关联规则算法在中职招生宣传中的应用

目前，数据挖掘技术广泛应用于市场营销、金融、保险、工程与科学数据分析等领域，而且技术已十分成熟。本文利用数据挖掘技术中的核心算法Fp—growth算法对中职考生的报考数据进行分析研究，得出关联性规则，为中职学校的招生宣传提供有效的决策支持。     

关联规则技术在数据挖掘中的应用

数据挖掘技术的诞生,使我们能从大量的数据中提取对决策者有用的信息,20世纪90年代初,R.Agrawal等提出了关联规则挖掘技术.关联规则挖掘是为了发现大量数据中项目集之间感兴趣的相关性信息.经过十余年的发展,关联规则挖掘已经成为数据挖掘技术中较为成熟并很重要的一种方法.文中系统描述了关联规则挖掘所涉及的概念、关联规则挖掘算法和关联规则应用领域等.     

基于关联规则的数据挖掘在医疗诊断中的应用

关联规则挖掘是数据挖掘中重要内容之一。使用Apriori算法,根据病人的症状及疾病进行对病人的就诊资料挖掘,归纳出症状及疾病之间关联规则,并简要探讨其在医疗信息系统的应用。     

基于关联规则的数据挖掘技术在铁路物流行业中的应用

本文简要介绍了数据挖掘技术中关联规则的基本概念以及Apriori算法,并将其应用到铁路物流行业管理系统中,从而得到货物种类及运输方式之间相互关联的知识,更好的帮助铁路物流行业调整乃至开发新的运输产品,提高铁路物流的效益。     

基于关联规则的数据挖掘技术在中药方剂配伍中的应用研究

中药方剂的数据挖掘研究是把我国丰富的中药信息资源和现代信息技术相结合的重要内容,它是指在中医理论指导下,用知识发现技术对传统中药新药、中医组方理论及规律、中药作用机制、有效成分构效关系等多个方面进行全面、系统的研究.以关联规则为主的研究模式是数据挖掘的一种常用方式,将关联规则用于方剂配伍研究的主要目的是探寻核心药群,寻找药物之间的相互联系和整体用药规律.本文对中药方剂数据挖掘模式和算法集成进行了研究,提炼方剂中有关联的药物匹配模式,探讨这些模式中药物组配后功效的变化情况,从而为中药方剂理论研究和临床实践研究提供现代技术手段.     

基于关联规则数据挖掘技术在教学管理中的应用

数据挖掘技术是一种以从大量数据中提取潜在有价值的数据规律或数据模型为目的的信息处理技术。将此技术运用在高校信息处理的工作上,可智能生成有价值的信息,用于学校教学管理与决策。本文将以目前高校普遍使用的学分制选课数据系统依托,运用数据挖掘技术中关联挖掘规则,对已有数据进行分析,为读者提供一个简单易操作的数据挖掘范例,供读者参考。     

数据挖掘中的关联规则

关联规则（Association Rules)是数据挖掘（Data Mining)中的重要工具，系统综述关联规则的各种形式及研究动态，供读对不同的对象与背景，有效地运用关联规则的原理与方法解决实际问题。     

基于关联规则数据挖掘的研究及应用

在研究了经典的关联规则算法Apriori之后,提出了类Spriori的数据挖掘算法分析学生频繁访问的页面路径,用以提供有用的信息给网络课程设计者以及授课老师,来解决学生在网络学习过程中产生的“信息迷航”问题。     

基于关联规则的数据挖掘在临床上的应用

随着医院信息系统(Hosp ital Inform ation System,H IS)在医院的广泛应用,特别是数字新技术在门诊系统中的广泛应用,医学数据挖掘提高了医院信息管理水平,为疾病的诊断和治疗提供了科学的、准确的决策.本文使用关联规则中的Apriori算法挖掘医院病人的就诊资料,并且归纳出症状及疾病间之关联规则,并探讨其在医疗信息系统的应用.     

数据挖掘中关联规则在超市商品管理中的应用

将数据挖掘关联规则用于分析超市消费者的购物习惯和关联行为,并以此优化超市货架设置,推动关联销售,促使超市的管理决策更加科学、高效.     

基于关联规则的数据挖掘在供水管网故障诊断中的运用

找出引起供水公司管网故障的原因是供水公司进行客户服务的关键。在介绍关联规则基本概念的基础上，进一步研究了关联规则在供水公司管网故障诊断中的运用情况，并得到一些有用的规则，为管理者和分析人员提供了决策支持。     

关联规则在高校招生录取决策中的应用研究

根据当前高校招生政策中存在的主要问题，利用数据挖掘技术中的关联规则，以某高校招生录取信息库数据为实验进行了标准化、离散化处理，并采用经典Apriofi算法进行挖掘，找出了信息间的隐藏关系，并得到了合理可靠的关联规则，从而为高校录取提供了有效的决策作用。     

数据挖掘中的负关联规则算法

关联规则是数据挖掘的主要研究方面,已往对关联规则的研究主要集中在挖掘征关联规则上,事实上,负关联规则在应用中的地位也是非常重要的     

基于项目集的关联规则数据挖掘

为了发现项目集中所有的频繁模式,根据关联规则定义及属性,利用Apriori算法实现关联规则的挖掘,挖掘出新的关联规则。可产生清晰有用的结果;通过项目集的关联规则挖掘研究结果既可以广泛应用于各个领域,也可以检验行业内长期形成的知识模式,同时能够发现隐藏的新规律,成为完成数据挖掘任务的一个重要手段。     

基于关联规则的考试数据挖掘

以总结学生各门考试成绩内在联系规则为目的,构建事实星座模型对考试数据所组成的数据仓库进行描述,并采用关联规则挖掘方法中的Apriori算法,对数据仓库中的数据进行分阶处理,生成频繁数据集,发现了各门成绩潜藏的内在规则,得出了一门功课成绩的好坏是由多门功课学习成绩情况所决定的结论,该结论能为教育决策提供一定的依据．     

关联规则的数据挖掘在高校图书馆系统中的应用

简要介绍了关联规则的数据挖掘以及Apriori算法,对Apriori算法优缺点和性能进行分析,并将Apriori算法应用于高校图书馆管理系统,给出了系统的完整实现过程通过分析数据挖掘的结果,寻找各个学科领域中的一些相互关联的知识、辅助教师的教学工作,优化图书馆的馆藏布局。     

基于聚类的周期关联规则的数据挖掘

介绍了关联规则挖掘的研究情况，提出了基于聚类的周期关联规则挖掘算法，分析了该算法存在的问题并提出解决方案，展望了关联规则挖掘的未来研究方向．     

数据挖掘中关联规则和决策树的应用

关联规则应用最频繁的是在零售部门,尤其是超市。以某超市一天中的商品销售记录为例来说明关联规则的应用,从中发现客户的购买模式和消费习惯。决策树分类方法的应用中,对于汽车销售公司的客户定位进行了分析,区分了男性和女性的偏好。销售公司可以据此对客户进行具体定位,促进销售。     

基于粗糙集的关联规则数据挖掘在层流冷却中的应用

卷取温度过程控制主要是通过传统数学模型进行描述,而层流冷却过程是一个非常复杂的非线性过程,尤其是对于低温卷取的温度控制,难以用数学模型精确表达.以攀钢热轧板厂层流冷却系统实测数据为基础建立采样数据的决策表,运用粗糙集理论将采样信息表进行模糊语言化,依据适合实际应用的语言数据关联规则支持度和可信度,通过属性约简,剔除冗余规则,挖掘出隐含的关联规则,通过动态的模糊模型的建立,优化传统层流冷却数学模型.实测数据运算表明,该方法可以将原模型的卷取温度控制精度提高1%~2%,具有很好的应用前景.     

关联规则数据挖掘的研究及应用

在研究了经典的关联规则算法Apriori之后,提出了类Spriori的数据挖掘算法分析学生频繁访问的页面路径,用以提供有用的信息给网络课程设计者以及授课老师,以解决学生在网络学习过程中产生的“信息迷航”问题。