基于遗传算法的城市公交服务质量评价知识规则挖掘方法

城市公共交通服务质量评价知识规则是城市公共交通企业进行服务质量评价的重要依据，优质、合理的评价知识规则将使服务质量评价更加公正、更加客观。本文在分析城市公共交通服务质量评价指标体系的基础上，将一种改进的遗传算法用于城市公共交通服务质量评价价的知识规则挖掘，提出一种基于遗传算法的城市公共交通服务质量评价知识规则挖掘方法，阐述算法的实现途径。实例表明，该方法在进行知识规则挖掘时是完全可行的、有效的。     

图书流通中借阅关联规则挖掘技术的研究

在简述关联规则概念和技术的基础上,深入分析关联挖掘技术在图书馆借阅服务中的应用。介绍了一种关于图书借阅关联规则挖掘的技术方法,和借阅关联规则的几种主要类型。     

基于兴趣度的正负关联规则挖掘算法研究

为了解决负关联规则挖掘中海量项集问题和一级剪枝策略效率不高的问题,本文在研究关联规则相关性和兴趣度的基础之上,提出了一种计算项集兴趣度的数学模型,引入了有趣2项集的概念,设计了基于兴趣度的项集剪枝和关联规则剪枝的二级剪枝策略及实现二级剪枝的正负关联规则挖掘算法。     

信息熵—依赖度框架的关联规则挖掘

在关联规则挖掘中,通常使用的是支持度-置信度框架来挖掘有趣知识。对支持度、置信度阈值进行分析和研究,发现此框架挖掘的关联规则不能够得到有效的强关联规则,导致挖掘效率降低。为此提出一种有效的信息熵-依赖度框架作为关联规则的衡量准则,实验表明此方法更准确、有效。     

基于改进加权关联规则算法的入侵检测系统

入侵检测系统中的数据漏报和误报一直是困扰网络安全的问题,只有解决了这个问题才能真正提高网络安全性。通过研究加权关联规则挖掘算法,将关联规则算法应用到入侵检测系统的海量数据挖掘,研究一种基于改进加权关联规则算法的入侵检测系统,并给出了该系统的模型和流程结构,通过测试证实该模型可满足当前网络安全各项入侵检测系统的要求。     

一种基于频度的空间关联规则挖掘算法

针对传统关联规则挖掘算法没有考虑空间数据的"空间自相关性"和空间关联规则挖掘的自身特点,提出了新的基于频度的空间关联规则挖掘算法,提高了空间关联规则挖掘的效率,并以广州市南沙地区的遥感图像分类结果为例进行关联规则挖掘实验,结果证明新的算法可行性.     

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。     

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算法的Web日志文件挖掘模块的实现

为了识别用户浏览模式,实现利用关联规则挖掘算法Apriori对Web应用挖掘过程中预处理阶段所产生的用户会话文件进行挖掘的模块,该模块针对用户选定的若干页面产生满足最小支持度和最小置信度的页面之间的强关联规则。关联规则挖掘结果对网站管理员重新调整网站结构、通过预测用户浏览模式提供推送服务来提高用户的访问效率和网站资源的利用率有一定的指导作用。     

关联规则中Apriori算法改进的研究

研究基于大型销售数据库的关联规则挖掘问题，分析和讨论了挖掘关联规则中Apriori算法，对其实现思想进行描述，并针对该算法的缺点提出了2种改进算法。     

基于改进蚁群算法的分类规则挖掘

数据分类是数据挖掘中的一个重要课题,研究各种高效的分类算法是数据挖掘的重要问题之一.本文将蚁群算法与分类规则抽取问题相结合,提出了一种基于蚁群算法的具有自适应和变异杂交特征的分类规则挖掘方法,自适应地调整信息素增量,在规则构造中进行杂交变异,有效地节省了计算时间,并优化了生成的分类规则.实验结果表明:该算法可以有效克服停滞,提高搜索效率,有效地挖掘出简洁分类规则.     

一种基于序列数的关联规则挖掘算法

在关联规则挖掘研究中,为了在产生候选频繁项时减少算法存在的重复计算和冗余候选项,为了在计算支持数时减少扫描事务数据库的次数,提出了一种基于序列数的关联规则挖掘算法,其关联规则适合挖掘任何长度.该算法用事务属性的布尔约简法,将传统事务数据转换成二进制数,然后用数字的递增和递减两种方式双向搜索候选频繁项;算法通过序列数的度来计算支持数,实现一次扫描数据库,有效地提高了算法的效率.     

负关联规则兴趣度度量方法研究

关联规则挖掘是数据挖掘领域的一个重要课题。负关联规则相比正关联规则反映了不同的决策问题,有着重要的研究意义。目前负关联规则的兴趣度度量主要采用传统的基于支持度-置信度框架的度量方法。然而这些传统的度量方法存在一些局限,如标准不客观、不能反映项集间的相关性等,为了克服这些问题,本文提出一种基于余弦度量的兴趣度度量方法。     

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。     

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。     

关联规则挖掘的优化算法

频繁项集挖掘是关联规则挖掘的核心部分，目前大多数关于关联规则挖掘的研究都集中于如何提高频繁项集挖掘的效率，然而在实际应用中，决策者面对的是最终从频繁项集中生成的规则集，因此优化规则的生成过程及生成规则同样值得重视。本文提出频繁项集的子集树这一模式来生成关联规则，不仅简化规则的生成过程还可缩小决策者面对的规则集，更便于规则的增量更新。     

浅议数据挖掘在高校图书馆信息服务中的作用

数据挖掘技术应用于图书馆个性化服务、文献采购以及Web内容、结构、日志挖掘等实际工作,提高了图书馆资源利用效率和读者满意度,其在图书馆深层次知识服务中具有广阔中的应用前景。本文使用关联规则方法进行了流通数据的实例应用。