基于最大频繁项集挖掘的入侵检测研究

通过建立基于最大频繁项集系统的正常行为模型与攻击模型;采用滑动窗口是否有不被正常行为模型覆盖的频繁模式产生来检测入侵,提高在短时间内对频繁发生的攻击类型的检测精度和响应速度.     

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.     

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．     

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。     

一个基于散列技术的关联规则挖掘算法

提出了基于散列技术的关联规则挖掘算法的基本思想,只需扫描数据库一次,不产生候选项目集,也不使用避层迭代的方法,利用散列文件组织的特性来提高挖掘效率.     

FP-array在计算机犯罪挖掘中的应用

针对现代社会计算机犯罪中电子证据的收集难度很大,且海量的电子证据之间的相关性不易分析的问题,对基于FP-Tree的最大频繁模式(FP-Max)挖掘算法的优缺点进行了分析,根据FP-Max算法所存在的缺点并结合实际提出一种通过构建FP矩阵的FP-array的高性能关联规则挖掘算法,并将该算法用于典型的计算机犯罪电子证据的相关性数据挖掘中,可用于成功地挖掘比较常见的五类计算机犯罪数据,挖掘结果可为实际的破案过程提供重要参考。     

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。     

关联规则挖掘相关技术综述

关联规则由R．Agrawal于1993年提出后,迅速引起了注意,在文献中,R．Agrawal阐明了关联规则的含义,给出了关联规则的数学描述和一个关联规则挖掘的通用算法。随后开始有很多从事人工智能、数据库方向的研究人员投入到相关的研究当中。目前主要的工作集中在算法研究领域。     

基于数据挖掘的金融时序频繁模式的快速发现

针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出一种金融时间序列模式快速发现算法.与传统的预测算法相比较,该算法对数据的分布和平稳性等方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后,可以用于金融时间序列的分析与预测.以实际汇率数据为例,证明了该算法的有效性.     

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。     

基于关联规则挖掘方法的结构性减税实证研究

2009年以来,面对严重的国际金融危机,结构性减税已然成为中国税收政策的一大亮点,更成为刺激经济增长、扩大社会需求的有效财政工具。然而,尽管结构性减税政策适应了当前社会经济客观形势的需要,但也加大了财政收支压力,更对下一阶段如何运用结构性减税政策与完善税收制度相融合提出了新的挑战。文章通过关联规则的数据挖掘分析方法对本次结构性减税前后的各主要税种数据进行关联度的定量分析,从数据分析的角度探讨了减税政策对主要税种以及总的税收收入的影响,并通过分析主要税种与税收收入的相关度变化,对下一步在优化税制结构上的结构性减税方案提供了一些政策建议。     

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。     

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。     

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。     

双边市场客户关系价值研究述评

论文从双边市场的概念和特征入手,分析和总结了客户关系价值的现有研究成果,提出了在双边市场视角下的客户关系价值未来研究问题：双边市场客户关系及其关系价值演化机理研究;双边市场客户关系价值分析规则挖掘提取方法研究,以期对双边平台企业的决策分析和客户关系价值关联规则的挖掘提供有价值的分析思路和分析方法。     

基于数据仓库的数据挖掘技术

从数据挖掘的产生出发到发展的各个分支 ,讨论了各种数据挖掘方法的特点和应用对象 ,介绍典型的算法 ,它们的优化改进和变形 ,并分析数据挖掘的将来面临的问题及发展方向     

基于数据挖掘技术的高校学生成绩管理研究

针对目前部分学生想当然认为上大学后就可以放松学习的心理以及不重视基础课程学习的现象,对数据库中学生的成绩信息进行挖掘,然后根据数据挖掘中的关联规则,提取隐含在各门课程之间的联系,以期寻找影响学生成绩好坏的潜在因素,而后根据这些因素建立成绩预警机制,从而为高校从事管理工作的人员以及高校教学改革更好地开展工作提供理论支持和科学依据。