数据挖掘在数字化图书馆中的应用研究

数字化图书馆中包含数目庞大的藏书,其包含的数据量也是非常巨大的,如何有效地利用数字图书馆中的资源,增强图书馆的服务体验是一项急需解决的问题.分析了数据挖掘算法中的关联规则算法,并对数据挖掘中的Apriori算法进行了矩阵挖掘技术改进.     

空间数据挖掘及其发展研究

探讨了空间关联规则,利用移动计算中基于Apriori算法的空间关联规则提取的例子,详细介绍了经典算法Apriori算法在空间关联规则中的应用,并对空间数据挖掘的发展进行了展望。     

基于关联规则的图书馆个性化服务研究

关联规则挖掘技术是一种新兴的数据处理技术,其算法及应用在图书馆中起着非常重要的作用。Apriori算法是关联规则挖掘的经典算法,在分析Apriori算法的基础上,提出利用FP-tree生成树技术来减少候选集的数量,克服Apriori算法的弱点,以提高图书馆个性化服务的效率。     

菌根菌丝网络介导的番茄植株间机械损伤信号的传递

利用丛枝菌根真菌摩西管柄囊霉(Funneliformis mosseae, Fm)在供体与受体番茄根系间建立菌根菌丝网络(common mycorrhizal networks, CMNs),研究机械损伤供体植株叶片诱导产生的防御信号可否通过CMNs传递给受体植株,诱导受体植株产生防御反应.结果表明,机械损伤处理预先接种Fm的供体植株后,与供体有CMNs连接的受体植株叶片中苯丙氨酸解氨酶(PAL)、超氧化物歧化酶(SOD)、过氧化物酶(POD)和多酚氧化酶(PPO)活性以及受体植株叶片和根系苯丙氨酸解氨酶基因(PAL)和β-1,3-葡聚糖基因(PR2)转录水平显著高于无菌根菌丝网络连接、菌根菌丝网络连接被阻断以及有菌根菌丝网络连接但供体植物叶片未机械损伤的对照处理,其叶片中,4种酶最高活性是无CMNs连接对照处理B的162.1%、69.1%、230.6%和54.6%,而叶片和根系中2个基因最高转录水平分别是无CMNs连接对照处理B的3.9、17.3和7.2、9.0倍.可见,机械损伤诱导供体番茄叶片产生的防御信号可以通过CMNs传递到邻近健康受体番茄植株,诱导其产生防御反应.     

分布式架构的个性化图书馆系统研究

图书馆个性化服务越来越受到读者的青睐。而提供优质个性化服务需要数据挖掘技术作为支撑,如Apriori算法,遗传算法、分类聚类等。在介绍关联规则及其挖掘过程基础上,文章用开源的分布式数据库中间件Cobar来搭建图书馆个性化系统,以运行经典的Apriori算法为例,说明了该分布式系统具备易部署、易使用维护、以并行计算缩减运算时间等主要特性。     

Apriori算法在语音合成应用中的一种改进

针对目前语音合成技术中提高语音合成自然度这一难点，研究了数据挖掘在语音合成中的应用．首先通过选取基频曲线中的最高音基频值(N1)和最低音基频值(N2)优化韵律参数，然后将其运用到关联规则对韵律参数进行规则提取的方法中，提出了优化韵律参数后的规则提取过程，并对原有的Apriori算法进行改进而获得更适合语音合成的HLApriori算法，通过该算法可以将原有Apriori算法得到的规则进一步细分，从而得到更多研究者感兴趣的规则．     

关联规则中的Apriori挖掘算法改进

关联规则挖掘是数据挖掘研究的一项重要内容。然而基于候选集的Apriori算法效率低下。针对此缺陷,提出了一种NApriori算法,该算法利用频繁1项集重新组织事务数据库来挖掘关联规则。此方法仅需扫描数据库2次,且避免了Apriori算法繁琐的连接和删除步骤,从而提高了挖掘效率。     

棉田主要害虫发生规律及其与气象因子的关系

分析了农一师五团棉田棉铃虫、棉红蜘蛛、棉花蚜虫的发生规律,指出5—8月气温、降水量、湿度是影响棉田害虫发生消长的重要因素,在此基础上提出棉田害虫的测报防治方法,以为棉田害虫防治提供参考。     

基于关联规则的湖北短期气候预测应用初探

分析了数据挖掘技术中关联规则分析方法的原理和一般数据挖掘的系统结构和主要步骤,通过收集、加工和处理大气环流指数等大量信息,以湖北省汛期异常气候现象为对象,使用关联规则挖掘方法试图找出各物理量和气象要素与未来一段时间内湖北的汛期降水之间的关系.基于Apriori算法2013年针对湖北短期气候预测,初步建立了一个关联规则挖掘系统,实现了参数配置、关联挖掘和规则显示等功能.     

关联规则挖掘算法Apriori在学生成绩分析中的应用

课程自身、课程与课程之间及课程设置与课程成绩之间存在着一定的联系,通过比较分析可以发现学生成绩背后所隐藏的有价值信息.详细介绍了关联规则挖掘算法Apriori在学生成绩分析中的具体应用,给出了挖掘实施的流程图,以实例的方式深入探讨了数据挖掘技术的实现过程.通过关联规则的算法理论,最终得出有实际价值的规则及结论,从而实现...     

基于Apriori算法的森林虫害预测方法

针对现阶段对已出现森林虫害数据未能完成全面、及时地统计,以及难以准确预测森林虫害爆发的潜在外来诱因的问题,提出使用面向Web挖掘的主题网络爬虫搜集病虫害相关数据,并利用大数据挖掘频繁模式与关联规则的Apriori算法,挖掘结果得到满足最小支持度阈值的频繁2项集,并进一步从中筛选2种重要的特征子集,包括害虫与寄主之间的频繁模式,寄主与外来树种之间的频繁模式。解决了已出现的病虫害数据难以统计的难题;同时预测出针对某一地区害虫可能诱发森林虫害的外来树种。结果表明该方法能达到可靠、有效的森林虫害预测目的。     

Apriori算法在农业病虫害分析中的应用

介绍了Apfiofi算法进行规则挖掘的方法,并以某地区越冬代二化螟规则分析为实例介绍Apfiofi算法的应用。结果表明,Apriofi算法在农业病虫害数据分析中具有良好的应用前景。     

对Apriori算法的研究及改进

关联分析是数据挖掘的本质体现,关联规则挖掘就是寻找给定的大量数据项集之间存在的某种规律的过程。Apriori算法是关联规则中最重要的一种挖掘频繁项集的算法,但是它也存在一定的不足。目的为了提高挖掘效率。方法采用实验的方法,在经典Apriori算法的基础上进行改进。结果证明改进的Apriori算法性能优于经典的Apriori算法,尤其是在交易事务条数比较多的情况下,效果更加明显。结论是改进的算法在计算支持度个数时,每次不需要扫描全部数据库,只需要在精简的数据库表中扫描各项所在的行就可以了,大大节省了时间;支持度计数的统计也比较容易,也不会产生过多的冗余,可以在很大程度上降低挖掘的复杂度,提高挖掘算法的效率。     

时态数据库周期规律与关联规则的挖掘

提出了一种简单有效、抗干扰的周期规律挖掘算法;研究了关联规则提取过程中的连续属性离散化，并用Apriori算法发现有效的规则。对电信话务量时态数据库的挖掘测试结果表明，该算法实现较简单，执行效率较高，具有实用性和有效性。     

关系数据库中关联规则挖掘实现研究

近年来，关系数据库得到了广泛的应用，研究在关系数据库中进行关联规则挖掘的有效技术的需求日益增强。文中根据Apriori算法思想并在分析关系数据库中关联规则特点的基础上，介绍了基于Visual FoxPro的关联规则挖掘的实现过程。     

关联规则的发展

关联规则是数据挖掘中一种简单但很实用的规则,文章简要介绍了关联规则的概念及其分类,以及当前关联规则的挖掘算法研究情况,重点介绍了经典的基于Apriori类的候选生成方法和基于FP-tree的方法,并针对当前改进的挖掘算法进行简要说明,最后提出关联规则将来的发展方向。     

关联规则挖掘在课程相关分析中的应用

本研究介绍了关联规则挖掘的基本概念,分析了经典的Apriori算法,提出一种改进的关联规则挖掘算法,解决了挖掘课程相关性关联规则的问题。改进算法的基本思想:①采用位图数据格式;②系统中会永久保留支持度为0的候选1项集和候选2项集,当系统需要运行时,首先采用数据库的过滤技术,可以很快得到频繁2项集。突破了这一瓶颈,系统运行速度将得到较大的提升。将该算法应用于课程相关性分析,实验结果表明改进的算法性能优于Apriori算法。     

转Bt基因棉花对新疆棉田主要害虫和天敌种群的影响

2002和2003年通过对新疆库尔勒垦区主栽转Bt基因棉(抗9)和常规棉(20-1-4) 的定点、定株调查,分析转基因对棉田主要害虫和天敌的种群数量影响.结果表明, 两类棉田主要害虫发生期、发生量存在显著差异性,但发生趋势基本一致.靶标害虫棉铃虫卵期发生量在两类棉田无差异性(P＞0.05);在幼虫的发生量上,常规棉田显著大于转Bt基因棉田( P＜0.05).非靶标害虫棉蚜、棉叶螨、牧草盲蝽象的发生量转Bt 基因棉田显著高于常规棉田 (P＜0.05),两种类型棉田中主要天敌瓢虫、草蛉、食蚜蝇、食虫蝽、蜘蛛在发生期内发生量均无显著差异性(P＞0.05).