基于算法的定量式图书流通统计分析方法研究

以广东石油化工学院图书馆各类图书的历史流通数据为依托,利用数据分析方法,统计读者借阅需求,依据读者需求明确图书采购种类,从源头满足图书流通量;引入公式和数据分析,实现合理设置查询系统以及书籍摆放策略,帮助读者准确定位图书位置,加快图书流通效率。文章尝试以算法探求图书流通的内部规律,加强图书现代化建设,促进图书馆流通管理。     

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。     

农百荐书

阅读是一个国家、一个民族精神发育、文明传承的重要途径。国家大力提倡全民阅读,《农村百事通》积极响应,推广阅读,分享乐趣,在全民阅读日数次举办"全民阅读进乡村"活动,给读者带去大量的书籍和杂志,充实了当地的农家书屋。在活动现场,看到蜂拥而至的村民,还有那捧读书刊对知识渴求的眼神,都带给我们极大的感动。为了带给读者更多更好的精神食粮,本刊特推出《农百荐书》栏目,向读者推介全国三农联盟出版平台出版的各类农业类、生活类等实用性图书。从图书简介、特色价值、精彩导读、权威作者、编辑推荐等方面介绍。希望本栏目带给读者喜爱的图书,在阅读中收获喜悦,在捧读中获得知识。     

基于云计算的并行关联规则挖掘

FP-Growth算法的效率约比Apriori快一个数量级,但存在FP-tree可能过大和串行处理等两大缺点,为此提出了基于局部FP-tree的并行关联规则挖掘算法P-FP-Growth。为实现基于云计算的并行关联规则挖掘,用MapReduce计算模型描述了P-FP-Growth算法,在Hadoop下进行了编程实现,得出了频繁模式挖掘结果,验证了该算法在云计算平台进行部署和执行的可行性。对比了算法分别在局域网多节点并行处理和在Hadoop平台执行的所需时间。     

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。     

基于双压缩的Apriori算法优化设计

针对Apriori算法的性能瓶颈问题,提出了一种双压缩Apriori(Apriori double compression,Apriori_DC)算法.该算法通过不断压缩事务数据库,减少事务记录数和数据项,并通过缩减频繁项集从而减少下一步候选频繁项集的数量,最终实现提高算法效率.试验验证表明:在支持度相同而数据量不同,以及数据量相同而支持度不同时,Apriori_DC算法均优于Apriori算法,且在Apriori_DC算法执行过程中,事务数据库的数据量不断缩小.     

一个不需要产生候选集频繁集挖掘算法的研究

FP-growth算法是一个频繁集产生算法，与一般的类似于Apriori的频繁集产生算法相比。FP-growth的优点在于它不需要产生大量的候选集，因而在时间和空间上都有很好的效率。从不同角度对FP-growth算法进行了详细的研究，并与经典算法Apriori在性能上作了分析对比。     

开架也需要目录

开架也需要目录李雪君开架借阅，读者可以进入书库，面对图书自己查找，于是有的读者认为，查目录费事，目录是可有可无的了。其实这是很错误的。开架借阅，目录仍然很重要，也需要目录。首先，只有目录才能反映全部馆藏．图书馆的图书资料具有动态性，书籍处在借出送还的...     

Apriori算法在棉花病虫害分析中的应用

为了快速准确地掌握棉花虫害发生趋势,提高虫情测报的时效性和准确性,采用Apriori算法数据挖掘关联规则,对棉花上的3种害虫棉铃虫、棉叶螨、棉蚜的发生趋势进行综合分析。通过Apriori算法寻找出了气候因素与棉花三大害虫的发生发展有密切的关系,尤其气温变化直接影响到棉花害虫的发生种类、发生期及发生量。关联规则数据挖掘技术,在处理大量农业信息数据中起着非常重要的作用,Apriori算法在棉花病虫测报工作中将是一项新的技术,具有非常广泛的应用前景。     

基于图书馆流通数据的聚类分析研究

利用聚类分析中的K-means算法分别对图书和读者进行了聚类分析,从中找出图书的借阅规律,读者借阅图书的某种倾向及读者是否活跃,从而制定出相应的决策,以便有针对性地丰富馆藏资源和优化图书馆的馆藏布局,并为图书馆开展个性化服务提供参考。     

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。     

数据挖掘技术在高等学校决策支持中的应用

为有效利用高等学校教学管理工作多年来积累的大量数据，利用数据挖掘技术，对北京地区高等学校1996—2001年毕业生数据库(Beijing Graduation Database，BGD)进行了数据挖掘研究。采用多种数据预处理方法对原始BGD数据进行了处理，提出并利用附方法进行了属性构造；对关联规划挖掘常用的Apriori算法进行了改进，以此为基础根据实际需要设计并实现了关联规则挖掘系统；利用所实现的系统对GBD数据库进行挖掘分析，得到了有益于高等学校教学管理决策及毕业生就业指导的挖掘结果。     

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。     

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。     

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。     

基于Apriori的课程关联模型研究

量化分析课程之间的内在联系对于正确评价教学效果、指导学生如何学习以及在制定相应的预警规则方面有重要意义。以学生往年课程成绩数据为研究对象,应用自组织映射方法对其进行离散化,并应用Apriori算法测度在不同支持度和置信度下的各课程之间的关联关系,建立课程的关联关系模型。结果表明,基于SOM和Ariori算法的关联规则方法在挖掘多门课程之间的内在关联模式方面发现有较好的应用价值,为创建学生成绩预警因子提供参考。     

大流通背景下图书馆流通部创新管理模式探讨

大流通服务模式对图书馆各个部门都带来了一定变化,在各个部门中,由于馆舍面积和藏书量的增加,对流通部日常工作带来的影响最为巨大,加之流通部是与读者接触最为频繁的部门,大流通服务模式的优势几乎均通过流通部得以体现。吉林医药学院图书馆从流通部的岗位设置、工作制度、管理模式等方面进行了重点改革,取得了较为理想的服务效果。