一种有效产生关联规则的方法

在大型数据库项目之间发现关联规则是一个重要的数据挖掘问题，而挖掘出的关联规则数目常常是巨大的。该文介绍了原关联规则的概念，证明了传统算法挖掘出的关联规则集中的任何规则，均可以由原关联规则导出，而原关联规则的数目远远小于传统算法挖掘出的关联规则数目。文中给出产生原关联规则的算法并举例说明算法的执行过程。     

基于关联规则的数据挖掘算法研究

数据挖掘中关联规则算法用途广泛,通过研究关联规则算法,对各关联算法进行分析、对比总结出各关联规则的适用领域,并对经典的关联规则算法进行了举例与性能分析。     

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。     

分析Apriori算法在传统零售业市场中的应用

本文研究了关联规则的经典算法——Apriori算法，对Apriori算法进行了核心思想及主要步骤等的介绍，之后以超市事务数据库为例，详细说明了该算法应用。     

关联规则挖掘在运动伤病管理系统中的应用

提出将数据挖掘理论应用到运动伤病规律研究的方法,在运动伤病管理系统中集成关联规则挖掘算法。介绍了数据挖掘和关联规则挖掘的基本概念,阐述了面向关联规则A priori算法的基本思想。描述基于关联规则的运动伤病管理系统的设计模型、各模块的功能和系统执行过程,并采用.net环境下的C#程序开发语言给出部分算法的代码实现。以足球运动为例,把若干运动员的运动伤病信息和比赛运动数据结合,通过数据采集和数据预处理,挖掘出与伤病关联的各项规则,实现系统的应用。     

通信网告警加权关联规则挖掘算法的研究

关联规则挖掘算法是通信网告警相关性分析中的重要方法。在处理数量庞大的告警数据库时,算法的效率显得至关重要,而经典的FP-growth算法会产生大量的条件模式树,加权算法MINWAL(O)则需要多次扫描数据库,使得在通信网环境下挖掘关联规则的难度非常大。该文提出了一种高效的基于加权频繁模式树的通信网告警关联规则挖掘算法,算法性能测试表明,该算法与已有的加权关联规则挖掘算法相比较,节约了大量的存储空间,提高了算法的挖掘速度,对通信网的故障诊断和故障定位有着积极的意义。     

一种基于约束的区间合并算法

数据挖掘中数量关联规则挖掘的关键是连续属性离散化问题,本文基于规则约束,以兴趣度为依据,对数量关联规则的区间合并算法进行了研究。     

基于链表的关联规则挖掘算法

提出了基于链表的关联规则挖掘算法的基本思想，只需要扫描数据库一次．不产生候选项目集，也不使用逐层迭代的方法，利用链表的特性来提高挖掘效率．     

基于概念树的空间关联规则挖掘算法及其在土地利用分析中的应用

从地理信息系统（GIS）的角度研究空间关联规则的挖掘算法,以GIS智能分析和辅助决策为主要应用,从单一数据层中的空间概念层次关系研究空间关联规则的挖掘算法,利用该算法对龙海市土地利用进行空间拓扑关系挖掘,得到一些有意义的空间关联规则,例如is_a园地∧adjacent_to交通用地→有居民区,以及is_a水域∧adjacent_to耕地^intersects交通用地→有居民区。     

基于兴趣度含正负项目的关联规则挖掘方法

项目的引入使得挖掘出的频繁项集成倍增加,同时生成的关联规则数量更加庞大,引入兴趣度来约束从频繁项集中提取关联规则的数量。分析现有的兴趣度模型,从中选择了一种适合于含正负项目的关联规则挖掘的兴趣度方法,并且提出了置信度的一个性质,描述了含正负项目的频繁项集挖掘关联规则的算法,并对矛盾关联规则进行了分析。实验结果表明,该算法是有效和可行的。     

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．     

基于OLAP的关联规则的挖掘

本文讨论了基于 OL AP的关联规则挖掘的结构和相关技术。基于 OL AP的关联规则挖掘是 OL AP技术和高效的关联规则挖掘算法的结合。     

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。     

关于Top-N最频繁项集挖掘的研究

最频繁项集挖掘决定了文本关联规则挖掘算法的性能,是文本关联规则挖掘中研究的重点和难点。该文分析了当前最频繁项集挖掘方面的不足,改进了传统的倒排表,结合最小支持度阈值动态调整策略,提出了一个新的基于改进的倒排表和集合理论的Top-N最频繁项集挖掘算法。同样,给出了几个命题和推论,并把它们用于该文算法以提高性能,实验结果表明,所提算法的规则有效率和时间性能优于NApriori算法和IntvMatrix算法。     

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。     

采掘关联规则的算法及优化处理概述

本文对关联规则采掘中的主要方法进行了概述 ,指出了关联规则采掘中的不足 ,介绍了算法优化上的一些进展情况     

关于规则的形式化定义——关于文献[1]中关联规则的基本描述的一个注记

给出了正确的关联规则的基本描述 ,并指正文献 [1]中给出的关联规则的算法过程描述中的谬误     

基于关联规则的中国股票市场行业轮动现象研究

为了准确把握我国股市行业轮动规律,应用关联规则Aprior算法对我国股票市场行业轮动现象进行探索性的研究,在日、周、月三个周期维度上从我国股市强大的交易数据中挖掘出行业间稳健的联动规则和轮动规则.基于强关联规则构建简单的投资策略,明显跑赢了沪深300指数和全行业基准.所得关联规则可以帮助市场投资者发现行业轮动的规则模式,判断行业投资机会,进行有效的行业组合配置,规避市场风险.     

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。     

基于分布式数据库的关联规则挖掘算法

现有的数据挖掘算法和模型主要是基于大型数据库或数据仓库的环境,大多采用集中式处理.而目前绝大部分的大型数据库都是以分布式的形式存在的,因此,提出新的分布式关联规则挖掘算法是非常必要的.针对FDM算法中可能造成频繁项集丢失的缺点,提出了一种改进的分布式关联规则挖掘算法DARM,该算法同时也减少了各分站点间的通讯量,从而提高了整个挖掘算法的效率.