基于改进FP-Growth算法的无人机飞行故障诊断

为了探究无人机飞行数据中征兆与故障的内在联系,提出了一种改进FP-Growth算法。该算法首先在数据挖掘中设计了符合无人机飞行故障特点的约束条件,作为对FP-Growth算法的改进重点,然后对飞行数据特征库进行筛选并建立FP-tree,进而挖掘出有效的关联规则,最后生成规则库,为无人机飞行故障的定位提供依据。应用实验表明,提出的改进FP-Growth算法能够快速、准确地为无人机飞行故障做出诊断,并且规则库具有良好的规模增长性。     

贪心算法在高校排课系统中的应用

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。     

基于关联规则算法的高校教学评价系统的应用研究

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。     

基于 B/S 模式智能化排课系统的分析与设计

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。     

一种挖掘关联规则的改进算法

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.     

基于图论算法的高校排课系统分析

高校学生人数以及课程设置众多,排课工作十分繁重。随着时代的发展,各种教育信息化的应用逐渐规模化,高校校务系统、办公自动化系统以及网上排课系统等也得到快速的发展。在进行排课系统设计的时候,可以采用不同的算法。本文以图论算法为例,分析相应的高校排课系统设计方法。     

关于数据挖掘中关联规则算法的相关问题研究

经济的发展带动了信息技术的发展,数据挖掘技术的应用愈加广泛,无论是生产还是生活都离不开这一技术的支持。关联规则算法是数据挖掘技术中应用最为活跃的一种算法,能够有效处理规模较大的信息与数据,并在数据库中挖掘价值较高的信息。文章将对数据挖掘技术的内容与表现进行阐述,分析关联规则算法的含义与相关内容,最后对关联规则算法中的Apriori算法进行探究与讨论。     

关联规则在行业运营规则挖掘上的运用

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。     

基于矩阵的关联规则挖掘改进算法

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。     

基于分布式并行关联规则的挖掘算法

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。     

基于粒子群优化算法的排课问题研究

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.     

多支持度关联规则的研究

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。     

基于关联规则算法的教学评价系统的设计与实现

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。     

基于Apriori算法的食品抽检数据的关联规则挖掘

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。     

数据挖掘中关联规则算法的研究

随着计算机技术的迅猛发展,使得现代信息技术也得到了发展,数据挖掘技术被广泛地应用到许多领域当中。而数据挖掘技术中最常用的算法则是关联规则算法,它能够对大量的数据和信息进行处理,在数据库中将繁琐的项集找出来,经过处理之后,将项集与项集之间的关联关系建立起来,然后从中挖掘出有用的信息。本文针对数据挖掘中的关联规则算法进行研究。     

关联规则算法在评价指标体系中的应用研究

列举了当前许多教学质量评价系统存在的一些不足，对于评价结果主要有优秀、良好、中、及格或者差等，透过这个评价结果，教学管理人员很难找到教师的教学水平高低究竞和哪些评价指标有关，探讨运用关联规则算法来解决这些存在的问题。同样的利用关联规则挖掘方法可以计算出分数较高的教师的优点在哪些方面。从而为教学管理人员提供可靠的决策依据。本文以海南软件职业技术学院学生评教的数据为依据，详细介绍了关联规则算法的应用。     

关联规则挖掘Apriori算法的改进

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。     

一种改进的多目标遗传算法的研究

针对项目实践中目标解常需要满足多种目标约束的难题,提出一种改进的多目标遗传算法。该方法对遗传算法进行改进,选择算子在下一代群组的选择上引入精英保留策略和小生境的概念,根据拥挤距离的排序确定下一代的个体,变异算子在适应度值小于平均适应度时,采用一种自适应的方式确定算子。最后将所提出的算法应用于解决排课问题,相比遗传算法计算速度更快,排课效果更好,表明了该算法的有效性。     

加权关联规则的相关研究

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。     

基于兴趣度剪枝的Apriori优化算法

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.