关联规则在教学计划制定中的应用

本文讨论数据挖掘技术中的关联规则在高校教学计划制定中的应用,介绍该技术的应用为教学制定带来的优势,提出了在数据挖掘思想指导下建立教务管理信息系统的思路,从而实现教学计划制定的合理性,向教务管理决策者提供准确、有效的信息支持。     

基于关联规则应用的零售业核心竞争力分析

本文对数据挖掘的关联规则进行了阐述,探讨了如何利用它来进一步提高零售业核心竞争力,并结合案例分析了如何利用数据挖掘对超市出售的商品进行关联性分析来提高客户的满意度.     

一类表间多层次关联规则挖掘算法研究

关联规则采掘是数据挖掘及其应用研究中的重要内容之一.本文提出了多表间多概念多层次关联规则挖掘问题,研究了相关的挖掘算法,对所提出的算法进行了初步分析.该算法应用于某营销经理信息系统的关联规则挖掘,获得的结果表明算法是实用和有效的.     

基于关联规则的数据挖掘技术在网络教学中的应用探讨

本文对关联规则数据挖掘的基本概念与方法作了简介,并结合我校网络教学应用系统为背景,对基于关联规则的数据挖掘在院校网络教学中的教师建设和学生学习等相关应用作了探讨,并对其挖掘的结果进行了分析。     

基于XML的通用关联规则挖掘应用模式

本文分析了关联规则挖掘应用中在通用性、用户简易性以及可扩展性方面所面临的一些困难,提出了一种基于XML的通用关联规则挖掘应用模式。该模式充分利用了XML在自描述能力、异质系统数据交换能力以及可扩展性方面的优势,提供了一个模块化、易于集成、适合于最终用户使用的应用框架。     

有关关联规则的挖掘算法研究

研究了入侵检测中关联规则挖掘技术,在Apriori算法的基础上,提出了一种新的算法,该算法将FP-tree映射成为FP-array,那么绝大部分运算是运用布尔逻辑运算完成的,解决了频繁构造条件FP一树的巨大处理开销,从而大大提高关联规则挖掘效率。     

在数据库中挖掘定量关联规则的方法研究

数据挖掘技术是实现智能决策支持系统的一个重要手段 ,关联规则是数据挖掘的一个重要内容 .传统的 Apriori算法仅适用于挖掘数据间的定性关联关系 ,但数据间的定量关联关系对决策更有帮助 .属性值的离散映射是挖掘定量关联规则的一个重要环节 ,离散映射中属性值区间的划分粒度是影响数据挖掘质量的一个重要因素 .本文结合粗集理论提出了一个确定属性值划分粒度的方法 ,在此基础上设计出一个挖掘定量关联规则的算法 :Apriori 2 ,利用Apriori 2可以挖掘出大量对决策有帮助的定量关联规则     

基于Apriori算法的诈骗案件关联规则挖掘研究

本文利用Excel对诈骗案件源数据进行存储和统计分析,根据统计分析的结果提取对案件分析有效的训练样本,然后应用Apriori算法进行关联规则分析,对诈骗案件内部属性之间存在的关系进行挖掘,实现了从大量诈骗案件信息中获取潜在的、有用的情报信息,在一定程度上达到了辅助破案的目的.     

关联规则挖掘算法在选课系统中的应用研究

针对高校网上选课工作中遇到的一些实际矛盾,本文将关联规则挖掘算法应用于选课指导系统中,对系统中存储的大量数据进行挖掘,从中提取出潜在的有用的信息,为高校选修课的开设及学生选课行为提供决策支持.     

关联规则挖掘算法在选课系统中的应用研究

本文针对高校网上选课工作中遇到的一些实际矛盾,将关联规则挖掘算法应用于选课指导系统中,对系统中存储的大量数据进行挖掘,从中提取出潜在的有用的信息,为高校选修课的开设及学生选课行为提供决策支持。     

挖掘技术在股票市场中的应用

本文介绍了数据挖掘中的重要技术-关联规则挖掘,并进一步根据股票市场的数据进行关联规则的挖掘.其中还提出了针对股票市场的数据预处理方法,然后利用Apriori方法对预处理得到的结果进行挖掘,并得到了较为理想的实验结果.     

关联规则挖掘算法在股票预测中的应用研究——基于遗传网络规划的方法

将遗传网络规划用于解决数据挖掘中的关联规则问题。相对于传统的关联规则挖掘算法,基于遗传网络规划的方法通过其中的遗传算子能够以递增的方式发现关联规则,从而避免了传统方法需要将全部数据库遍历才能得到规则的局限性。通过将要挖掘的关联规则定义为事务间的关联规则,以解决股票市场中的价格预测问题。     

基于正相关关联规则挖掘分析的客户需求权重预测

为预测经营活动中的客户需求,提出一种基于正相关关联规则的数据挖掘模型.挖掘统计数据的频繁2_项集并对挖掘结果剪枝处理,按照特征需求重要性大小,计算得出重要客户需求,再运用BP神经网络进行需求权值预测.实例表明该方法可减少关联规则数量和挖掘工作量,对需求的预测具有现实意义.     

基于挖掘算法的申银万国行业指数关联规则分析

利用股票的大量历史数据发现规律从而预测股票走势,成为热门的研究课题。为了能更好地观察国内申万行业指数间的联动性与轮动性,同时针对股票的滞后性效应问题,有学者提出了一种基于时间序列的关联规则挖掘算法。文章通过关联规则及其算法,挖掘出我国2010年3月到2022年6月申万行业指数交易数据间的关联现象,从而获得有意义的关联规则,为后期制定投资策略打下基础。     

电子商务中基于定量关联规则的商品获利能力分析研究

对电子零售商店来说,如何根据历史记录对商品获利能力进行评价是一个很重要的问题.问题的难点在于商品的收益不仅来自于该商品本身的直接收益,还来自于该商品通过交叉销售效果而获得的间接收益.交叉销售效果不可能是一个精确的数值,这种量的关系往往是含糊的不精确信息.基于定量关联规则理论,提出了一个计算交叉销售效果的方法,同时设计了一个面向不精确信息的对商品获利能力进行排序的方法.     

基于关联规则的馆员动态智能培训系统

馆员培训,作为提高业务水平的重要途径,历来为各图书馆所重视.然而传统方式多为照本宣科,本文以采编部培训为例,探讨了如何结合数据挖掘技术,察觉业务短板所在,使馆员的培训更有针对性和实时性.     

挖掘技术在股票市场中的应用

本文介绍了数据挖掘中的重要技术-关联规则挖掘,并进一步根据股票市场的数据进行关联规则的挖掘。其中还提出了针对股票市场的数据预处理方法,然后利用Apriori方法对预处理得到的结果进行挖掘,并得到了较为理想的实验结果。     

由频繁项集生成关联规则的深度优先算法

数据挖掘是当前数据库技术领域的重点研究内容,其中关联规则挖掘算法尤为引人注目.目前,关联规则及挖掘算法研究的热点主要是如何提高发现频繁项集的效率,而对如何由频繁项集生成关联规则却很少涉及.对由频繁项集生成关联规则的过程进行改进,将会有效提高生成关联规则的效率.     

解析关联规则技术在电力市场营销分析中的应用

随着信息技术的高速发展,人们积累的数据量急剧增长,如何从海量的数据中提取有用的信息是当务之急。关联规则技术就是为顺应这种需要产生并发展起来的数据处理技术,它的主要任务包括关联分析、预测时序模式和偏差分析等,是信息挖掘的关键步骤。本文结合电力市场的特点,将关联规则技术应用于电力市场营销分析中。     

上市规则与会计准则之关联人的差异及运用

关联交易管理是企业管理尤其是上市公司企业的一项重要内容,管理的是否到位直接影响到上市公司信息披露以及财务报告的质量。而要做好关联交易的管理工作,其前提条件之一就是关联人的识别。对于上市公司而言,企业会计准则和股票上市规则均适用于上市公司,而但这两个规则中对关联人的界定并不一致,从而使得上市公司的信息披露及财务工作人员在关联人识别方面经常出现差错。本文意在通过对两个规则对关联人的差异及其原因进行分析,并就其如何更好地在上市公司运用进行阐述,以期能够指导实践工作。