数据挖掘中关联规则算法的考察

文章从算法角度对关联规则的提出、演变过程和前沿研究进行了较为详细的考察,并在此基础上提出了关联规则未来研究的领域和发展趋势。文章先详细地考察了关联规则的三类典型算法,然后总结了基于复杂数据属性的关联规则算法扩展。为考察其他方面的算法扩展和介绍其他学科领域对关联规则的研究奠定了基础。     

相关性分析在关联规则挖掘中的应用

文章主要介绍了数据挖掘中关联规则的基本概念及用其挖掘的一些不足,并提出用统计学中的相关性分析来提高挖掘出的规则的准确度的方法。     

数据挖掘中关联规则算法的发展趋势

文章在对复杂数据组织形式的关联规则挖掘详细描述的基础上,探讨了其他学科领域对关联规则的理解及相应的研究方法,最后提出了关联规则的前沿研究问题和未来的发展趋势。     

基于Apriori算法的关联规则数据挖掘研究

关联规则挖掘是数据挖掘中重要的研究课题,Apriori算法是关联规则挖掘的最有影响的算法。针对Apriori算法中频繁项集产生效率低和产生无用规则、丢失有用规则两个核心问题,文章给出了分辨矩阵、分辨向量、兴趣度、含负属性项关联规则并提出了改进的Apriori算法。该算法能有效提高频繁集的产生效率和产生更为合理的关联规则。     

数据挖掘中关联规则的提升及其应用

一、关联规则的统计意义 关联规则挖掘的研究是近几年研究较多的数据挖掘方法,在数据挖掘中的各种方法中应用的也最为广泛.关联规则的概念首先是由Agrawal,R.,Imieliski,T.and Swa-mi,A.(1993)提出,关联规则挖掘的主要对象是事务数据库.     

基于关联规则挖掘的股票板块指数联动分析

本文应用数据挖掘中的关联规则算法,对我国股票市场中板块指数的关系进行实证分析。通过采用关联规则的Apriori算法技术,可以从大量数据中挖掘出我国股票市场的板块指数之间的强关联规则,并对其进行可视化描述与评价。文中所得的关联规则可以帮助市场参与者发现股票板块轮动的规则模式,并在此基础上规避证券市场风险。     

基于关联规则挖掘的零售业交叉销售的策略

一、关联规则挖掘原理与方法若两个或多个数据项的取值重复出现且概率很高时,它就存在着某种关联,可以建立起这些数据项的关联规则。关联规则挖掘的主要研究对象是交易数据库,其主要目标就是发现交易数据库中交易项目之间是否存在某些关联关系。     

基于聚类关联规则的缺失数据处理研究

 本文提出了基于聚类和关联规则的缺失数据处理新方法,通过聚类方法将含有缺失数据的数据集相近的记录归到一类,然后利用改进后的关联规则方法对各子数据集挖掘变量间的关联性,并利用这种关联性来填补缺失数据。通过实例分析,发现该方法对缺失数据处理,尤其是海量数据集具有较好的效果。     

基于关联规则的医疗数据挖掘研究

宫颈癌是全世界女性发病率和死亡率位居第二的恶性肿瘤,文章对宫颈癌样本数据集进行关联规则的Apriori算法分析,得到准确有效的关联规则,为宫颈癌的筛查和诊断提供一种新的思路。结果表明:年龄、性行为、吸烟情况、荷尔蒙避孕药服用情况、节育环放置情况均会导致不同支持度和置信度的性病或癌症的发生,且性病发生和癌症诊断这两者之间也存在着紧密的联系和规则。     

一种基于RFM模型数据挖掘处理双阶段客户关联分类方法

通常情况下,商业银行的数据库大多采用多维度的设计方式,这使得对客户信息提取和客户分类关联分析工作繁琐而复杂,导致目前尚缺乏符合商业银行业务实际、具有较强操作性的分析模型。在这种情况下,文章提出了一种运用RFM模型数据处理,结合K-Means算法和关联规则挖掘Apriori算法进行双阶段客户关联分类方法,具有较强的实践性。