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。     

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。     

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.     

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.     

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。     

数据挖掘在高校资产管理中的应用

进行高校资产数据挖掘与分析研究,能更好地为高校管理、高校决策提供科学依据。本文分析了高校资产管理的现状与特点,构建了高校资产数据仓库雪花模型,挖掘出高校资产管理指标之间的关联规则,并对该数据挖掘模型进行评价,在实际应用中取得了良好效果。     

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     

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.     

由频繁项集生成关联规则的深度优先算法

一、引言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     

离职因子的关联分析

如何防止人才流失是管理者关心的话题，然而对该问题的研究大多采用定性的方法，主观性较强，给管理决策造成一定的困难。本文主要采用数据挖掘中的关联规则，分析员工离职的原因，挖掘离职原因因子的关联规则，挖掘出潜在离职人员，为管理者的决策提供客观的信息。     

基于意外度的关联规则深层知识发现及应用研究

为了弥补传统关联规则挖掘产生大量冗余规则、难以直接用于决策支持的不足,本文提出了一种基于用户已有知识的规则意外度评价方法,并在此基础上设计了基于意外度的深层关联规则挖掘算法。算法的优点在于能够将用户已知的规则作为领域知识加入到数据挖掘过程从而有效过滤和已知规则相近的冗余规则,并且可以将新得到的规则加入知识库中实现知识的积累和重用。最后本文采用一个商场数据验证了该算法的有效性,并且对具有回馈模式的关联规则在商品促销中的作用进行了分析。     

基于关联规则算法的电力企业财务信息异常数据智能挖掘方法

常规的电力企业财务信息异常数据挖掘方法以集群挖掘与分段挖掘为主,同一类别的异常数据挖掘效率较低,影响财务数据整合效果。因此,本文设计了基于关联规则算法的电力企业财务信息异常数据智能挖掘方法。此方法标注电力企业财务信息数据挖掘异常点,建立电力企业财务信息数据集,逐步探查数据集中的异常数据,并将异常数据汇总到一个数据单元中,形成财务信息数据异常点。本文基于关联规则算法挖掘电力财务异常频繁项集,在电力财务数据异常点中,挖掘出存在价值的信息,确保异常数据挖掘的准确性。采用对比实验,验证了该方法的数据挖掘准确性更高,能够应用于电力企业财务管理工作中。     

应用Benford法则和Apriori算法对海量数据的审计分析

随着信息时代的飞速发展,被审计单位财务和业务数据量爆炸式增长,审计技术必须不断发展和创新以适应信息时代审计的新要求.本文在这一背景下,对审计技术的创新作了探索性的研究,主要通过Benford法则和Apriori算法的关联数据挖掘的技术手段在审计中的应用,探讨了如何在被审计单位海量数据中进行挖掘分析,从而发现有业务意义的强规则,通过这些强规则解释数位发生偏离的原因,从而快速发现审计疑点.     

数据挖掘为图书管理提供决策支持

当今的高校图书馆每天都要产生大量的统计数据,而如何从这些数据中挖掘出有利于图书管理的信息就显得尤为重要.本文在介绍数据挖掘相关概念的基础上,重点分析了数据挖掘中的决策树和关联规则方法在图书流通和图书采编中具体应用,以期为图书的有效管理提供决策支持.     

基于关联规则的网络消费者行为变化的挖掘

在网络购物环境下,消费者需求的变化日渐突出,为了发现网络消费者需求的变化,论文采用关联规则发现的方法对不同时期的商品交易数据进行挖掘,提取了关联规则,通过对规则的比较、分析,发现了网络消费者的行为变化.论文提出了一个包含第一支持度、第二支持度和相对置信度的算法,该算法克服了现有算法无法挖掘具有低频数据项规则的问题,并依据网络消费者行为变化的情况,提出了网络消费者行为变化的三种模式茁壮型、发现型、意外型,以度量网络消费者的行为变化.     

基于领域知识和聚类的关联规则深层知识发现研究

本文针对传统关联规则挖掘算法产生大量冗余规则,提出了对关联规则结果进行二次挖掘,并设计了算法对挖掘出的关联规则进行聚类,然后基于已有领域知识对聚类后的关联规则进行新颖度评价,对于新颖度较高价值较大的关联规则可以存储于领域知识库用于决策使用或再次挖掘过程。该算法有效的减少的规则的数量,提高了规则的新颖性和精确度,对商业应用具有很高的价值。文章最后使用UCI开源数据进行了实验分析,并验证了该算法的有效性。     

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.     

粗糙集中定量关联规则的发现及其规则约简的方法研究

模式的精确度和解释能力是评价数据挖掘质量的重要标准.本文提出一个利用关联规则技术从粗糙集中发现知识的算法,该算法挖掘出的模式具有较高的精确度.为了进一步提高模式的解释能力,本文又提出一个对规则进行约简的贪心算法.实验结果表明,利用本文提出的数据挖掘方法所发现的模式具有较高的解释能力和精确度.     

数据挖掘在银行业的应用研究

随着计算机和信息技术的发展,人们进入了"信息爆炸"时代.如何有效地利用些信息成为亟待解决的问题.数据挖掘就是为了解决信息利用问题,对大量数据进行选择,探索和建模,发现事先未知的规则和联系的过程.该文介绍了数据挖掘的基本概念,并从数据挖掘的主要功能出发,重点探讨了数据挖掘在银行业的应用.