基于FP-tree算法的船舶滞留原因关联性分析

为提高船舶安全检查的效率,提出对港口国监督(Port State Control,PSC)中船舶安全检查要素之间关联性的研究.引入关联规则进行相关性分析,从给定的数据中寻找频繁的项目知识模式,通过置信度和重要性阈值的约束,挖掘出船舶滞留原因间的潜在规律.算例结果表明,通过关联规则对船舶滞留原因的分析,可以直观地发现滞留原因间的关联,利于港口主管机关在实际工作中采取更具针对性的方法进行检查.     

转型期的新闻媒介与决策监督

媒介决策监督作为舆论监督的拓展与深化,是当前新闻媒介面临的一个迫切问题。搞好媒介决策监督,对于推进政治体制改革、加强社会主义民主与法制、建设政治文明、促进经济和社会协调发展,具有重要意义。由于转型期矛盾交织,媒介决策监督难度很大。要解决媒介决策监督中信息梗塞、行政干预、监督缺位等问题,必须实行政务公开,改革新闻体制,加强监督合力。     

Apriori算法在高职院校贫困生认定工作中的应用

工作通过这些年的工作实践后,发现传统的贫困生认定存在很多的不足之处,迫切需要一套科学规范、易于操作的方法来完善贫困生认定工作,使贫困生认定工作能够高效、有序、合理地进行。运用Apriori算法对全体贫困生数据进行挖掘,寻求隐藏在这些数据背后的有价值的信息和潜在的联系及规则,从而为更好的完成贫困生认定工作提供帮助。     

一种基于压缩矩阵的Apriori算法及其在选课系统中的应用

本文针对Apriori算法的缺点,采用布尔向量的关系运算思想,并在常规矩阵运算的基础上对数据仓库的相同事务进行计数来压缩矩阵,设计了一种基于压缩矩阵的Apriori改进算法———CM_Apriori(Compression Matrix-Apriori)算法。并将此算法应用到选课系统的挖掘中,为高校选修课提供决策支持。     

基于层次频繁模式树的关联分类规则数据挖掘算法

针对CMAR算法存在的不足,提出了层次频繁模式树的概念,并在此基础上实现了关联分类数：。据挖掘算法．实验数据表明,该方法比CMAR算法具有更高的效率与数据库覆盖面．     

关联规则挖掘在学生素质测评中的应用

本文介绍了数据挖掘中关联规则挖掘的基本概念和基本算法,并简要介绍了素质测评的概念和方法,展望了关联规则挖掘在中学生素质测评中的应用.     

基于APRIORI算法和OLAP的关联规则对图书信息分类模型的设计

在图书销售或图书馆建设过程中积累了大量的图书信息数据,面对庞大的数据量,如何处理这些数据和如何深入其内部获取有用的信息,将是本文讨论的重点。我们将依据APRIORI算法和OLAP的关联规则,设计出能够很好利用这些数据为后期的分析做准备的系统。     

基于Apriori算法的船舶交通事故关联规则分析

为有效分析船舶交通事故的潜在因果关系,预防和控制事故的发生,采用关联规则方法对相关数据进行有效挖掘,制定船舶交通事故关联规则挖掘流程,建立船舶交通事故关联规则分析模型.基于Apriori算法对船舶交通事故数据进行关联规则分析,挖掘事故间的强关联规则.对所挖掘出的强关联规则进行分析,发现事故致因因素间的潜在关系,并提出事故防范对策以保障海上交通安全.     

大型港机结构应力峰值与小车位置关联规则的数据挖掘

通过选取结构的典型测点,建立相应的数据挖掘模型,对大型港机在运行中结构的应力峰值与小车相应位置之间的相互关系进行分析,应用可视化的技术手段,对两者之间的关联规则进行深入挖掘,并通过对支持度、可信度和作用度的计算,衡量挖掘得到的关联规则的有用性和确定性.     

港口国监控

阐述了港口国监控的由来和依据,并简要介绍了ＩＭＯ中的“港口国监控程序”和“关于船舶安全与防污染操作要求的监控程序”,最后,分析了中国籍船舶在国外港口国监控中面临的形势,并提出相应的对策。     

改进的ID3算法及其在教育信息挖掘中的应用

为有效利用上海海事大学教学管理工作多年来积累的大量数据,对分类规则挖掘常用的ID3算法进行研究,结合教育信息的特点对ID3算法进行改进,以此为基础设计并实现了教育信息挖掘系统;利用所实现的系统对学生成绩和基本信息数据库进行挖掘分析,找出课程之间的相关性以及学生基本信息对学生就业方向的影响,并对挖掘结果进行比较分析,为学校的教学管理提供参考.