共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
在高校中,科学合理高效的课表是教学活动顺利开展的前提,课表的优劣直接影响着高校的教学质量。人工排课工作量十分繁重,常出现各种冲突,例如两个班级同时使用一间教室等。随着计算机技术的发展,出现了多种排课算法,有效地解决了排课困难的问题。本文就贪心算法在排课系统中的应用进行研究。 相似文献
3.
数据挖掘技术中的关联规则算法以其快速而精准的数据挖掘优势在各行各业扮演着重要的角色,特别是在高校教学评价系统中,关联规则算法的运用解决了评价系统繁冗、复杂的统计问题。运用教学评价系统来对教师工作绩效进行客观、公正的评价已经成为了提高高校教学质量的主要管理手段,本文将通过对Apriori关联规则算法过程的描述和分析,来探讨关联规则算法在高校教学评价系统设计中的应用。 相似文献
4.
排课是学校教务部门的常规工作,本文提出了基于 B/S 模式下排课系统的需求和设计,根据高校独特的教学约束条件,采用模拟人工排课的方法,基于 ADO.NET 分析设计了可行的排课系统,该设计方案可以在满足各约束条件情况下实现对课程的合理安排,并且最终可以生成符合教学计划和教学要求的合理化课表。提高教务管理部门的信息化管理水平及工作效率,科学合理的调度师资与教室资源。 相似文献
5.
为了解决关联规则挖掘过程中会生成大量关联规则的问题,提出了一种基于集合枚举树的挖掘关联规则的改进算法.此算法在不丢失任何信息的情况下只生成关联规则的某些前件集,大大减少了关联规则的生成数量,提高了用户分析关联规则结果的效率. 相似文献
6.
7.
8.
在一个行业的财务报表中,蕴含着行业的经营规律,找出这些规律对投资者在做财务分析时有潜在的价值。本文介绍一种运用数据挖掘理论中的关联规则挖掘算法来发现这些行业经营规律的方法,文中重点讨论了如何在财务报表数据的支持下运用关联规则算法探寻这些规律。 相似文献
9.
数据挖掘的研究方向与领域较宽泛,其中关联规则挖掘是其重要的研究分支,Apriori算法是关联规则挖掘的经典算法,在此基础上,人们提出了很多种改进算法,如基于散列(Hash)、数据分割(Partition)以及采样(Sampling)的方法,本文巧用矩阵对Apriori关联规则算法进行改进。 相似文献
10.
以往使用的分布式数据挖掘算法各有优缺点,提出了一种基于星型网络的分布式关联规则挖掘算法。对其基本思想、算法描述等进行了分析。 相似文献
11.
基于粒子群优化算法的排课问题研究 总被引:1,自引:0,他引:1
提出一种基于粒子群优化算法的排课算法,通过粒子编码、适应值函数构建、粒子群初始化和交叉操作等,使适应值函数能够随着进化代数的增加而呈不断下降的趋势,从而很好地解决了教务系统中的排课问题. 相似文献
12.
多支持度关联规则的研究 总被引:1,自引:0,他引:1
关联规则是当前数据挖掘研究最重要的分支之一,目前的关联规则挖掘多采用单一的最小支持度。多支持度的关联规则挖掘算法根据事务项本身的特点分别规定其各自的最小支持度,对原有的Apriori算法进行了改进。 相似文献
13.
对于教师的课堂工作进行系统的评价,是为了调节教师的行为,提高课堂质量,进而能够对很好的进行管理。本文阐明了当前我国高职院校评价存在的问题本文讨论了基于关联规则算法的高职院校教学评价系统的设计与实现。 相似文献
14.
目的 为了发现检测数据的不合格项目之间有意义的关联规则, 并对挖掘出的关联规则进行分析解读, 进一步发掘了食品抽检数据的价值, 从而对食品安全监管具有一定的指导意义。方法 本文对利用Apriori算法对2015~2019年间山东食品药品监督管理局网站公布的食品安全抽检数据的不合格项目进行了关联规则挖掘。结果 通过挖掘得出最符合要求的10条规则。结论 利用关联规则挖掘算法对食品检验数据进行挖掘, 能够挖掘出有价值、有意义的规则, 对食品安全管理具有指导意义, 从中也可以看出数据挖掘技术在食品安全数据挖掘分析中具有广阔的应用前景。 相似文献
15.
16.
17.
在分析研究关联规则挖掘Apriori算法及其若干改进算法基础上,对Apriori算法做了进一步地改进,提出一种基于条件判断的新思路。改进后的算法根据条件采用了事物压缩与候选项压缩的相结合方式,减少了不必要的开开销,从而提高了挖掘速度。 相似文献
18.
19.
为解决在挖掘关联规则过程中,因忽略项目间的重要程度不同以及项目在数据库中分布不均匀而导致的挖掘有效性低的问题,研究者提出了加权关联规则挖掘。文章对基于Apriori算法的加权关联规则挖掘的研究现状进行了分析,比较了相关方法的优缺点。 相似文献
20.
基于兴趣度剪枝的Apriori优化算法 总被引:1,自引:0,他引:1
鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值范围.实验结果表明,该算法是有效和可行的. 相似文献