一种Apriori的改进算法

在Apriori算法算法基础上提出改进的方法，通过减少产生候选集的组合和减少数据库的扫描来提高挖掘的速度和减少数据库的I／O操作时问的开销。     

关联规则在教学管理决策支持中的应用

运用数据挖掘中的关联规则分析了教学管理中教师信息之间的隐藏关系．并对数据进行了标准化、离散化处理，采用优化的Apriori算法进行数据挖掘．通过事例分析了教师的教学工作量和发表论文之间的隐含关系，可为教学管理提供决策支持．     

关联规则挖掘的Apriori算法的改进

提出一种将Apriori算法与散列技术和事务压缩技术相结合的改进算法,研究了散列函数的构造及其对算法效率的影响,分析了事务压缩技术的原理及其实现方法,用实例给出了原算法与改进算法的实现步骤,结果表明,新算法减小了存储空间,提高了算法的效率,并改进了数据挖掘技术的性能。     

关联规则挖掘在研究生个人学习计划制定中的应用

介绍了关联规则挖掘算法Apriori及其在研究生专业课程间的关联规则发现中的应用，所发现的规则用于辅助新研究生进行个人学习计划制定。可减少研究生在个人学习计划制定中的盲目性，提高所选课程与学科专业研究方向的吻合度。     

入侵检测技术中Apriori算法的应用与改进

采用关联规则挖掘网络数据包可以发现数据包中各属性字段间的频繁关系，通过模式的学习与训练可以发现网络用户的异常行为模式。采用作用度的Apriori-lift算法削减了Apriori算法的挖掘结果规则，使网络入侵检测系统可以快速的发现用户的行为模式，而且能够快速的锁定攻击者。Apnori—li蹲法提高了基于关联规则的入侵检测系统的检测性能。     

商务智能系统中两种改进的关联规则挖掘算法

根据日常商务数据的特点,提出了商业应用系统中进行数据挖掘的改进的Apriori算法和对点击流数据进行挖掘的改进的多支持度关联规则算法,并结合具体实例进行了分析.分析结果表明,2种改进的算法可以有效地提高系统数据挖掘的效率.     

基于FP-growth关联规则的图书馆数据快速挖掘算法研究

作为一种模糊关联规则挖掘算法,FP-growth算法在执行效率上明显优于Apriori算法。但是由于模糊属性的不足和空间复杂度较大,导致FP-growth算法在处理大型事务数据库,例如图书馆数据库时,无法实现有效的多层关联规则挖掘。因此,提出一种改进的FP-growth关联规则算法,能够快速向读者进行个性化图书推荐。首先,该算法把大型图书事务数据库根据首项的事务,划分为若干子数据库,并构建相应的子FP-tree结构;然后,采用实时过滤掉层次树中不是频繁项的父项来缩小扫描空间。实验结果表明:相比Apriori算法和标准FP-growth算法,提出的改进FP-growth关联规则算法在运行效率方面有明显提升,为图书的推荐工作提供了科学依据。     

数据挖掘在教学测评系统中的应用与研究

教学测评是教学管理过程中的重要环节。将数据挖掘运用于教学测评之中,可以提高教学评价技术水平。利用数据挖掘方法中的聚类分析和Apriori算法相结合,从而对测评系统数据进行关联规则挖掘。     

基于关联规则分析的“购物篮分析”模型的研究

以Apriori算法为核心的"购物篮分析"功能模型,利用事务数据库中的销售数据,挖掘顾客购买的商品之间各种有趣联系,帮助商家制定营销策略,合理地安排货架引导销售,既方便顾客购买,同时也刺激了销售。     

基于数据挖掘的入侵检测系统研究

本文通过对现有入侵检测系统的现状进行分析,并将数据挖掘技术引入到异常检测和误用检测中,构建了基于数据挖掘的网络入侵检测系统模型,重点设计和实现了基于改进Apriori算法的异常检测和分析模块,在入侵检测方面取得较好效果。     

KMV和Apriori算法在上市公司信用风险传染中的应用

运用KMV模型计算违约距离,作为度量我国上市公司信用风险的指标,并利用Apriori算法挖掘上市公司之间的信用风险传染.结果表明关联规则挖掘能直观有效地描述上市公司之间的信用风险传染,产生强关硖规则的上市公司之间信用风险传染较为明显.     

数据挖掘技术在辅修教学管理中的应用研究

辅修是本科教学中培养复合型人才的一项重要举措。通过对辅修教学管理的各个层面建立辅修教学调查指标体系,对采集到的数据进行预处理后利用数据挖掘技术如聚类算法中的k-中心点算法,关联规则中的Apriori算法等,挖掘出辅修教学各个层面之间的一些隐性规则,从而对辅修教学有一个全方位的了解和理性的分析,并能作出一些有意义的探索。     

数据挖掘在考古遗址功能研究中的应用——以乌兰木伦遗址第一地点微痕研究为例

数据挖掘是从大量数据中提取隐含未知信息的过程，能够有效处理大批量数据。基于2012—2017年对内蒙古乌兰木伦旧石器时代遗址第一地点全地层石制品的微痕观察数据和测量数据，利用Apriori算法和K-means聚类算法进行关联规则挖掘和聚类分析，探索其遗址结构，结果显示：一方面，乌兰木伦遗址第一地点确实存在一个动物屠宰加工的场所，并在某一阶段被集中使用；另一方面，被用来进行某种行为的石制品在长度、宽度、长宽比、厚度和重量等方面具有共同特征，同时，主要运动方式、加工材料、行为所对应的石制品的规格比较相近。     

质点到网络：公共服务动机、行为、绩效三元交互发展逻辑体系构建

公共服务动机的研究不断发展繁荣，理论研究成果颇丰，是公共管理研究的前沿热点。但公共服务动机如何转化为公共服务绩效在理论机制方面尚未清晰，遑论纳入公共管理人力资源实践中。基于Apriori算法对相关主题文献进行了无监督机器学习挖掘，发现公共服务动机转化的研究不足之处。基于此，在社会认知理论视角下系统性厘清了公共服务动机、公共服务行为、公共服务绩效三者关系，打通了三者相互链接转化的逻辑框架。并以逻辑转化路径为基础，基于系统网络层面搭建起“公共服务动机—公共服务行为—公共服务绩效”三元交互发展的逻辑分析模型，以期发展和完善公共服务动机理论，从而达到将公共服务动机理论成功转化为实践的目的。     

数据挖掘技术在高校教学评估中的应用研究

为解决只能取得单纯的有点片面的教学评估体系,提出了数据挖掘技术在教学评估中的应用研究,应用数据挖掘技术,重点利用关联规则方法中的Apriori算法,对学生的评教数据及教师档案数据进行数据挖掘工作,找出数据的内在规律,分析数据挖掘的结果,把这些规律运用到教学管理中,提高教学质量,提升学院的管理水平、使评估充分发挥对教学的指导作用。为学院的管理提供更多有价值的决策信息。     

数据关联规则挖掘在高校试卷质量评价中的应用研究

关联规则挖掘是数据挖掘中最活跃的研究方法之一.以高校教务信息管理系统为应用背景对采用改进的Apriori算法成绩数据库进行分析,得出课程相关性规则,在此基础上建立试卷质量综合包含评价指标体系,为高校试卷质量评价提供科学依据.该评价体系使不同专业的学习效果具有综合可比性,突破以往单一的平均成绩进行评价的局限性.     

数据挖掘算法在陕北白绒山羊非遗传性疾病成因分析中的应用

数据挖掘技术是当今研究的热点,Apriori算法是数据挖掘中的一个重要算法,是从海量数据中找到各项目组元素之间相关联的关系,通过对支持度和置信度的设置确定数据中的强关联性,从而发现数据中的关联关系。将数据挖掘技术应用到陕北白绒山羊的非遗传性疾病分析中,从白绒山羊某种非遗传性疾病的获病群体中,根据各饲养情况、饲养条件进行分析,得到白绒山羊某种非遗传性疾病的成因关联,从而指导养殖环节改变某些不合理的饲养方式,减少白绒山羊的非遗传性疾病获病概率,提高经济收益。     

基于关联规则的协同过滤改进算法

针对传统协同过滤算法过分依赖用户历史评分数据及评分数据存在严重稀疏性问题的情况,提出一种基于关联规则的协同过滤改进算法。该算法设置相似度阈值,计算近邻用户与目标用户之间的相似度,选取相似度最高的近邻用户组成邻居集,若邻居集中的所有近邻用户与目标用户的相似度都高于阈值则按照传统协同过滤进行评分预测,否则引入关联规则的算法对目标用户进行评分预测。首先,对利用Apriori算法输出的关联规则进行拆分,得到一对一、多对一两种形式的规则;其次,基于支持度和置信度构建推荐度计算方法;再次,形成引入关联规则的算法;最后,根据阈值选择相应的算法进行评分预测,将评分高的项目推荐给用户。实验结果表明:所提出的算法与传统协同过滤算法、基于用户平均值填充的协同过滤算法相比,在MAE、RMSE上都有明显下降,可以在一定程度上提高推荐质量。     

网红食品流行现状及社交网络营销研究

对杭州市的网红食品流行现状及其社交网络营销进行问卷调查.运用描述统计分析、满意度模型,分析消费者满意度.采用基于Apriori算法的关联规则挖掘,分析社交网络在网红食品营销中的作用.结论:网红食品的消费人群中青年占主要比例;网红食品存在一定的食品安全隐患;网红食品的社交网络营销虽有明显优势,但仍需改进.相关建议:消费者应树立正确的消费观;相关部门的监管和消费者的监督有待加强;网红食品商家应进一步提升服务质量与顾客满意度,打破商品单一经营模式,实现多元化发展.     

基于MATLAB的一对一M-SVM算法实现

简述了多分类支持向量机（Multi-class Support Vector Machine，M-SVM）的原理及算法。在此基础上，利用MATLAB实现了一对一多分类支持向量机的多分类算法，利用MATLAB的矩阵处理方式解决了算法中投票机制。该算法避免了MATLAB中循环语句的使用，提高了算法效率，缩短了运行时间。