基于关联规则数据挖掘算法的应用

数据挖掘,又称数据库中的知识发现,作为一门新兴的研究领域,主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识,数据挖掘是当前数据库领域中最受瞩目的研究方向之一。在数据挖掘研究中,关联规则挖掘作为数据挖掘研究中的一个重要部分,引起了越来越多的关注。本文利用SQL Server 2005数据挖掘工具,对已测得的土壤数据,利用关联规则算法对土壤的地力等级进行了预测。     

高等学校教学管理信息化研究

从高等学校教学管理信息化的基本理论入手，对高等学校教学管理信息化的现状和存在的问题进行深入剖析，并通过南京农业大学教学管理信息化建设的案例，对如何实现教学管理信息化做了进一步的实证分析；对高等学校教学管理信息化建设提供了对策建议。     

高校图书馆特色数据库建设中的数据挖掘

目前数据挖掘技术研究发展迅速,其实质是在海量数据中找出人们感兴趣的数据并以我们需要的某种形式呈现出来。高校图书馆特色数据库建设发展迅速,带来了极大便利。但是数据库信息量巨大,所以,运用数据挖掘技术对特色数据库数据集进行挖掘处理,将基于确信度的关联规则算法引入到特色数据库的建设中,从大量的数据中提取关键信息。     

关联规则在高校教学评价中的应用

数据挖掘是从大量的数据中提取隐含在其中的有用信息和知识,利用Apriori算法,对高校教学评价数据库进行关联规则挖掘,找出其中隐含的强关联模式,分析出影响教学质量的主要教师因素,所得出的结论对高校教学评价和提高教师素质都有一定的指导意义。     

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。     

基于数据挖掘的植保预测系统

针对目前病虫害预测预报方法单一、适用面窄,设计并实现了一个基于数据挖掘的综合植保预测系统。系统结合数据仓库技术,采用分类、聚类、关联、时序搜索等多种挖掘模式,对多方面的植保数据进行分析、建模,达到预测的目的。     

基于Web的文本数据挖掘的研究

Web挖掘指使用数据挖掘技术在WWW数据中发现潜在的、有用的模式或信息。Web挖掘是从数据挖掘发展而来，因此其定义和传统数据挖掘相类似。但是，Web挖掘又有许多独特之处。现有的KDD方法和DM技术不能直接用于Web挖掘?首先，Web在逻辑上是由文档节点和超链接构成的图。因此Web挖掘得到的模式可以是关于Web内容的，也可以是关于Web结构的。其次，Web文档本身是结构化或无结构的，且缺乏机器可理解的语义，而数据挖掘的对象局限于数据库中的结构化数据，并利用关系表格存储结构来发现知识。     

基于关联语义融合的WebGIS数据库优化检索方法研究

为提高在Web上发布的空间数据的检索能力,针对传统的WebGIS数据库模糊指向性聚类检索方法容易陷入局部收敛导致检索准确度不高的问题,提出一种基于关联语义融合聚类的WebGIS数据库优化检索方法。采用有向图模型构建WebGIS数据库检索节点分布结构模型,在WebGIS数据库存储数据信息流中进行关联语义特征信息挖掘,以挖掘的特征信息为数据库检索的指向性信息素,并采用分段融合模糊聚类方法进行关联语义融合聚类处理,在数据融合中心中求得数据库检索目标值的全局最优解,实现数据库优化检索和访问。仿真结果表明,采用该方法进行WebGIS数据库检索,对检索数据的查准率较高,抗干扰能力较强,检索过程的收敛性较好。     

基于管道完整性数据的关联规则挖掘与应用

在油气长输管道完整性管理领域引入数据挖掘中的关联规则技术,发现完整性数据中潜在的关联关系,充分发挥数据价值。通过对管道完整性数据关联规则挖掘流程进行研究,对经典Apriori算法中频繁项集生成效率进行优化,结合中国石油某管道开展完整性管理积累的外检测与内检测数据进行了关联规则挖掘,并对挖掘结果进行分析和解释。挖掘结果表明:通过关联规则技术可以发现管道本体缺陷与周边环境、本体属性数据之间潜在的关联关系。关联规则挖掘方法应用于管道完整性数据分析能够有效减少无兴趣规则的数量,发现潜在的管理重点,为长输管道完整性管理提供科学、准确的决策依据。(表1,参10)     

基于SSAS构建ILASⅡ的数据挖掘解决方案

在总结大数据时代对图书馆的影响以及数据挖掘在图书馆的应用的基础上,提出了使用SSAS构建ILASⅡ的数据挖掘解决方案的方法,然后利用海南职业技术学院图书馆的实际借阅数据完成了一个使用SSAS构建ILASⅡ的数据挖掘解决方案的完整过程,并对挖掘结果进行了实际应用分析。最后说明了使用SSAS可以构建的多类型ILASⅡ数据挖掘解决方案。笔者认为这种方法可以很好改善ILASⅡ的数据挖掘功能,希望对图书馆数据挖掘的实际应用有益。     

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。     

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。     

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。     

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。     

面向Spark的图书借阅数据关联模型的研究

为了方便读者能在海量的图书资源中快速有效的找到需要的书籍,利用Map Reduce框架分块处理,结合关联分析Apriori算法,将数据挖掘技术应用到图书管理系统中。但需要多次扫描数据库和产生大量候选集,对Hadoop平台处理速度带来了巨大挑战,因此,针对传统的Apriori算法,提出基于内存计算、弹性分布式数据集处理的Spark平台为读者推荐书籍,指引读者的借阅行为。     

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。     

Apriori算法在杉木伴生树种选择中的应用

合适的伴生树种是杉木混交林营造成功的关键,本研究应用Apriori算法从杉木混交林野外调查数据中挖掘出杉木与其伴生树种之间的关联关系,得到合适的伴生树种,提供杉木伴生树种选择的新途径.     

数据挖掘在教学中的应用

本文将数据挖掘应用到学生成绩分析中,通过用户给定的最小支持度,利用Apriori算法得出频繁项集,结合最小置信度,确定各门课程之间的联系,以达到有针对性地帮助学生顺利完成学业的目的.     

Apriori算法在杉木伴生树种选择中的应用

合适的伴生树种是杉木混交林营造成功的关键,本研究应用Apriori算法从杉木混交林野外调查数据中挖掘出杉木与其伴生树种之间的关联关系,得到合适的伴生树种,提供杉木伴生树种选择的新途径.