Apriori算法及其改进算法Apriori-new的应用分析

对Apriori算法进行应用分析,针对其不足之处,提出一种新的改进型算法——Aprior-new,给出该算法的工作过程,并对该算法进行应用分析。将两种算法进行应用对比,结果表明,Apriori-new算法占用内存少,执行效率更高。

基于关联规则的新能源车交通事故致因分析

随着新能源车市场保有量的增加,由驾驶新能源车导致的交通事故也逐渐增多。以长沙市为例,对新能源车城市道路交通事故致因进行关联挖掘分析,运用Apriori算法挖掘出了10条交通事故因素强关联关系,对关联规则进行了深入的分析,提出了有针对性的建议,弥补了当前对新能源车交通事故研究不足的缺陷,为新能源车行车安全提供了理论支持,也为交通管理部门提供决策支持。

加权关联规则研究及其在个性化推荐系统中的应用

传统的关联规则挖掘没有考虑各项目的重要程度,因此实际过程中缺乏一定的针对性.在New-Apriori算法的加权支持度基础上结合Fp-growth算法思想,提出了基于Fp-树的加权关联规则算法,并给出了关联规则的个性化推荐的一般过程.利用Web日志文件采用网页被用户选择的频率作为权重值,实现了个性化推荐系统的算法.实验结果表明该算法具有较高的准确性和效率.

基于加权关联规则的个性化推荐研究

关联规则是个性化推荐系统中最重要的技术手段之一。传统的基于关联规则的个性化推荐认为,每个项目都具有相同的重要性,在实际应用中缺乏一定的针对性。在New-Apriori算法的加权支持度基础上结合Fp-growth算法思想,提出了基于Fp-树的加权关联规则算法。在实验中采用网页被用户选择的频率作为权重值,在个性化推荐系统中对该算法进行了实现。实验结果表明该算法具有较高的准确性和效率。

关联规则在吸毒人员动态管控中的应用

分析研究了数据挖掘中的关联规则,将Apriori算法应用于公安领域中的吸毒人员管控中,通过对数据库中信息的分析,能够提取隐含的、先前未知的有价值的信息,从而帮助公安机关对吸毒人员的管理以及有重点地做好禁毒工作。

基于Apriori算法的加权关联规则挖掘

本文研究了论文“基于Apriori算法的水平加权关联规则挖掘”中的New-Apriori算法,指出了该算法的不足及错误之处,提出了一种挖掘加权频繁项集的算法MWFS。并通过具体实例说明了采用MWFS算法的挖掘过程。

一种新的基于Apriori算法的加权关联规则挖掘算法

针对New-Apriori算法的不足之处,提出了一种新的挖掘加权频繁项集的算法——MWFS算法,该算法能有效挖掘出含有权重较大项目的加权频繁项集,其挖掘结果更具有价值.

新高考背景下基于物理模拟考核数据的知识点关联分析——以S省J市高考物理模拟试题为例

在新高考的背景下,教师要关注试题之间的关联性以及试题要考查的学生的能力.该文以S省J市高考物理模拟试题为例,基于改进的Apriori算法对知识点之间的关联性进行分析,发现考生对于电表的改装、洛仑兹力、动量守恒定律掌握程度较差,在理解能力、推理能力、分析综合能力、应用数学处理物理问题的能力和实验能力以及科学思维能力上还存在不足,并基于此,为教师提出切实可行的教学建议.

基于Apriori算法的新业态分析系统构建与研究

随着图书馆智能化进程的加快,传统图书馆逐渐被新兴业态下的数字图书馆所替代,针对新业态数字图书馆在信息检索方面的不足,此次研究结合Apriori算法设计了新的数字图书馆检索分析系统,旨在进一步提高其检索效率与检索精度。首先利用完全连接矩阵向量优化传统的Apriori算法,接着将优化后的算法应用到数字图书馆信息检索分析系统框架中,旨在进一步提高系统的检索和数据分析能力。研究结果表明,改进后的Apriori算法能够得到91.5%的检索准确率,利用该算法搭建的模型能够在系统运行100 s和负载为500的时候分别保持639 tps和2 315 tps的高吞吐量。因此,此次研究所改进的Apriori算法拥有较好的性能,所设计的新型数字图书馆检索分析系统能够有效改善检索模糊、分析准确率较低的问题。