基于模式矩阵匹配的关联规则挖掘算法

本文利用模式矩阵对Apriori算法进行改进,提出一种基于模式矩阵匹配的新算法。它使扫描数据库的次数降为一次,同时小产生候选项目集而直接产生频繁项目集,并且存放辅助信息所需要的空间也少,从而使算法的时间复杂度和空间复杂度大大降低。试验结果表明算法正确高效。     

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...     

一种新的关联规则抽样算法

针对目前经典的关联规则挖掘Apriori算法需对数据库多次扫描费时多计算量大,而抽样扫描会造成挖掘精确度下降等问题,采用控制样本频繁项目集的方法,利用频繁1项集进行抽样处理,对关联规则挖掘的抽样操作和精度控制进行研究,提出了基于抽样操作的关联规则挖掘算法——HAC算法。理论分析及性能试验结果表明:HAC算法能够有效缩减数据库规模,至少少扫描数据库1次,提高了关联规则挖掘的效率,同时其计算精度不受影响。     

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。     

关联规则Apriori算法在玉米产量信息挖掘中的应用

应用数据挖掘中关联规则的Apriori算法对玉米产量信息进行数据分析。利用最小支持度和最小置信度挖掘出频繁项集,从而寻找其中存在的关系和规则。挖掘的信息为:玉米生育期内降水量高,平均气温高,则产量高;反之,平均气温偏低,总降水量偏低,则产量低,十分可信。     

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。     

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。     

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.     

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。     

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。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。     

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.     

一种基于数据挖掘的Snort系统的设计与应用

为了提高入侵的检测效率,提出了一种基于数据挖掘的改进的Snort系统.该系统充分利用数据挖掘的入侵检测优点,采用改进的Apriori算法,在Snort原系统基础上增加一个数据异常检测模块,改进了Snort存在的缺点,提高了检测率.通过模拟实验验证和实际网络环境应用分析,得出该系统比原Snort系统具有更高的检测性能,能检测未知的网络入侵,提高计算机系统的安全性.     

基于关联规则Apriori算法的物联网海量数据挖掘系统研究

物联网的出现为人们带来了诸多有利之处,人们在利用物联网的过程中会产生海量的数据,这些数据的不断增多加大了用户从中获取有用信息的难度,因此,物联网海量数据挖掘一直是研究的热点,面对物联网海量业务数据如何能够快速进行分析、处理、存储、挖掘,以实现有价值信息的快速提取,并服务于物联网商业决策,这是亟待解决的主要问题。将基于关联规则Apriori算法设计物联网海量数据挖掘系统。     

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．     

数据库技术发展及其在农业领域中的应用

数据库技术,已成为现代计算机信息系统和应用系统开发的核心技术。介绍了我国数据库技术发展的现状,预测了未来趋势。同时,简要介绍了目前国内主要应用和新建的几个极具代表性的农业数据库,并针对我国农业数据库的发展提出了几点建议。     

绿色高效饲料添加剂——小肽的研究进展

小肽营养的重要性已被人们所认识，就小肽的吸收机制、吸收特点、在动物营养上的作用及存在的问题综述了近几年在小肽营养上的研究成果。     

一种蚁群算法的并行实现

蚁群算法具有较强的鲁棒性和发现较好解的能力,但在求解问题规模较大时,存在收敛速度较慢等缺点。提出了一种蚁群算法的并行实现策略,利用MPI函数库,采用C 语言编程实现,并在曙光4000超级计算机上成功运行。结果表明,并行蚁群算法能明显加快算法的收敛速度。