基于改进Apriori算法的学生网上学习行为关联特征挖掘模型

学生在线学习行为与成绩之间存在密切关联,为了挖掘学生学习行为特征间的隐含关系,研究采用改进的关联规则挖掘算法对其进行相关性分析。实验结果表明,研究设计的算法在精确率及召回率指标上表现较好,相比传统的关联规则挖掘算法运行速度更快,用时降低幅度达26.49%。该方法从多维度实现了学习行为的分析与关联,为教学决策和研究提供了科学的支持和指导。

基于改进Apriori算法的铁路交通作业事故致因关联规则研究

铁路运输系统复杂,事故致因因素众多且有一定的关联关系,分析事故致因及关联特性,对于事故预防具有重要的意义。按照人因层、设备层、环境层、管理层4个层级对事故因素进行分层分析,整合相同或相似的条件,编写Python程序对近期某3年所有事故调查报告进行致因因素抓取,首先将致因因素拆解为相关的致因关键字,并利用正则表达式在指定段落中进行抓取,然后通过关键字抓取获得所有事故的致因因素,最终提取了90个铁路事故致因因素。在此基础上,基于压缩和哈希表技术对传统Apriori算法进行改进,以此对铁路交通作业事故的致因进行关联规则挖掘,找到159条关联规则,通过分析事故致因高支持度、高置信度等特征,发现关键因素、关键致因关联、事故致因规律,有助于提升事故预防和安全管理水平。

基于改进Apriori算法的SQL Server数据库入侵识别方法

常规的数据库入侵识别方法以识别入侵行为数据为主,各种识别模块导致数据库入侵识别的恶意操作增加。因此,设计了基于改进Apriori算法的SQL Server数据库入侵识别方法。首先,识别SQL Server数据库入侵类型,将数据库中的关键词进行条件查询判断。其次,提取入侵攻击的语句特征,避免附加语句执行恶意操作。最后,基于改进Apriori算法迭代数据库的频繁项集,通过逐层识别的形式迭代寻找SQL Server数据库中所有项集的关系,并形成识别规则,提升了数据库入侵识别性能。

基于改进Apriori算法的烟草生产控制系统设计

为确保烟草生产质量控制效果,减小不同烟草材料质量评估与实际评估结果偏差,该文设计基于改进Apriori算法的烟草生产控制系统。系统主要设计了用户权限管理模块、烟草生产制造数据管理模块、烟草生产制造质量检测模块和质量评价模块。利用三维矩阵改进Apriori算法,对数据实行处理,通过建立三维矩阵直接生成频繁序列,精简数据库,提高数据挖掘效率。将系统模块与技术相结合,完成烟草生产控制系统的整体设计。结果表明,通过对烟草指标实行平均值、质量控制评价得分与实际值对比测试,验证了该系统的评价效果较好,能够有效减小不同烟草材料质量控制评估与实际评估结果偏差。

改进Apriori算法的高校图书馆图书智能推荐系统

为了提高高校图书馆图书推荐的准确性,设计了基于改进Apriori算法的高校图书馆图书智能推荐系统。首先描述高校图书馆图书智能推荐系统的基本架构,并通收集高校图书智能推荐系统中的借阅者和图书相关信息,然后引入Apriori算法对借阅者和图书之间的关联进行分析和挖掘,建立两者之间的关联规则,并针对Apriori算法的不足进行相应的改进,最后根据建立的关联规则进行借阅者的个性化图书信息推荐,采用具体仿真实验分析了与其它高校图书馆图书智能推荐系统的性能。结果表明,改进Apriori算法的高校图书馆图书推荐精度超过95%,推荐时间控制在有效范围内,提高了高校图书馆图书智能推荐效率,获得了比较其它高校图书馆图书智能推荐系统更加理想的结果。

基于改进Apriori算法的塔吊事故致因动态关联网络分析

为研究塔吊事故致因及其相互作用,采用人因分析和分类系统(HFACS)模型、关联规则挖掘和复杂网络理论相结合的方法,对塔吊事故致因进行定性分类和定量分析。首先,收集241份塔吊事故调查报告,并根据塔吊事故特点调整HFACS模型框架,以此确定46个影响塔吊事故发生的因素,再运用改进的Apriori算法挖掘事故致因之间的关联性;然后,结合关联规则挖掘结果构建塔吊事故致因动态关联网络,并综合探究塔吊事故的关键影响因素。结果表明:人员岗位与能力不匹配、监管人员未按要求进行安全检查、部分岗位人员配备不齐等是造成塔吊事故发生的关键因素。改进后的方法实现了人为因素的量化分析,可为预防塔吊事故的发生提供决策依据。

基于改进Apriori算法的商品智能推荐

为让顾客有更好的购物体验,同时也提升商家销量,商品的智能推荐是重要的手段,有重要研究意义。该文使用基于关联规则的Apriori算法实现日常商品关联规则挖掘,针对Apriori算法扫描数据库次数多、性能低下的问题进行改进。以具体实验数据为例,详述算法的实现过程,根据设置的最小支持度和最小置信度阈值,得到商品间强关联规则,据此规则实现商品智能推荐,并对算法性能进行比较分析,实验证明改进的算法具有更好的性能,能更好地应用于业务系统。

一种新型的改进Apriori算法研究

Apriori算法是数据挖掘关联规则研究中的经典算法,由于它需要多次扫描数据库,造成系统运行效率比较低。所以在对Apriori算法进行了分析之后提出了改进的Apriori算法。改进的主要思想是基于将事务数据库转化成相应的0-1矩阵,通过对矩阵中每个向量与其后的向量做内积运算来计算支持度,并将计算得到的支持度与给定的最小支持度作比较,删除小于最小支持度的行与列,缩小矩阵的规模,提高了运行速度效率。改进的算法只需要对数据库扫描一次,运行效率比较高。实验结果表明,该优化方案是有效可行的。

基于改进Apriori算法的入侵检测数据挖掘模型研究

将数据挖掘技术应用到入侵检测系统中,成为入侵检测研究的重要方向。本文对Apriori算法进行改进,以此构建入侵检测数据挖掘模型,运用该模型作入侵检测。实验表明,对以知攻击,采用误用检测和异常检测混合策略,其平均检测准确率达到80%以上,不失为一种效果良好的的入侵检测技术。

改进Apriori算法的行蓄洪区水闸控制方法

为解决传统行蓄洪区水闸启闭设备控制效率较低,水闸底缘型式选择不合理,无法在快速时间内对过流流量以及动水压力做出精确计算的问题。在传统水闸控制方法的基础上,引入改进Apriori算法,提出了一种新的水闸控制方法。建立水闸结构分析模型,获取水闸结构位移与内力变化;采用改进Apriori算法,计算行蓄洪区水闸动力作用荷载;设计水闸控制中心,实时调节水闸的运行模式与启闭状态。实验分析可知,新的控制方法与传统控制方法相比,其水闸等效应力较大,位移较小,各个构件之间连接的稳固性较高,闸门面板中心时均压力更加符合行蓄洪区静水压力的分布趋势。

基于改进Apriori算法的水政数据关联规则分析研究

数据挖掘中的关联规则挖掘能够发现大量数据中项集之间潜在的关联,运用关联分析方法对水事违法案件数据进行挖掘分析,从而总结出水政执法队伍在监察过程中存在的问题,以期提高水政执法能力和水平,有效地预防、遏制涉水违法现象。

利用项集有序特性改进Apriori算法

Apriori算法是挖掘关联规则的一个经典算法,通过分析、研究该算法的基本思想,并利用项集的有序特性对其进行改进,减少了生成的候选集数量,从而提高算法的效率.

基于改进Apriori算法的电力通信设备缺陷关联性分析

为了保障大规模电力通信设备接入电网的稳定运行,首先分析通信设备的物理模型,然后分析电力通信设备缺陷的影响因素和缺陷特征及两者之间的映射关系,接着对Apriori算法进行改进,降低算法的时间复杂度和内存空间,导入电力通信设备缺陷数据模型并结合关联规则,提出基于改进Apriori算法的电力通信设备缺陷关联性分析方法。结果表明:电力通信设备存在缺陷频繁项集,并与影响因素之间存在强关联关系,最后以实际电力通信设备缺陷数据仿真算例对本文方法的有效性进行验证,为通信检修策略的制定提供支持。

基于改进Apriori算法的审计日志关联规则挖掘

针对安全审计系统中存在的智能程度低、日志信息没有充分利用的问题,提出一个基于关联规则挖掘的安全审计系统。该系统充分利用已有审计日志,结合数据挖掘技术,建立用户及系统的行为模式数据库,做到及时发现异常情况,提高了计算机的安全性。在传统Apriori算法的基础上提出一种改进的E-Apriori算法,该算法可以缩小待扫描事务集合的范围,降低算法的时间复杂度,提高运行效率。实验结果表明基于关联规则挖掘的审计系统对攻击类型的识别能力提升在10%以上,改进的E-Apriori算法相比经典Apriori算法和FP-GROWTH算法在性能上得到了提高,特别是在大型稀疏数据集中最高达到51%。

基于改进Apriori算法的煤矿物态隐患系统设计与应用

为了更深入地研究和利用激增的煤炭隐患数据,对某煤矿的隐患及其属性进行了研究、分析与分层,构建了属性的星形全连接模型;并通过数据清洗、概化及连续属性离散化等数据挖掘技术,将大量原始隐患数据转化为适用挖掘的数据。应用经剪枝和连接步的优化改进的Apriori算法,对该煤矿近两年的物态隐患数据记录进行挖掘,得到频繁项集,导出关联规则;最后利用SQL Server 2008数据库和VS2010平台,构建并实现了煤矿物态隐患信息挖掘系统。

基于改进Apriori算法的钟以泽治疗银屑病中药处方配伍提取及规律研究

目的：应用改进Apriori算法对钟以泽教授的处方进行统计。方法：应用数据挖掘技术中的Apriori算法进行统计并加以改进。结果：统计出从单味药到7味药团的使用频次并进行排列。结论：对于钟以泽教授治疗银屑病中医处方的统计中,单味药、2味药对、3味药团、6味药团的统计具有意义,单味药的统计意义在于能够看出每一味药物的使用频次,2味药对和3味药团统计的意义在于可以看出药团的加减使用组合情况,6味药团的统计意义在于可以通过药物加减推断出疾病的分型和相关症状的加减。

基于改进Apriori算法的SCADA系统事故后数据分析

SCADA系统调度中心保存了大量的数据,如何有效地利用这些数据进行故障、事故分析处理已成为一个重要的课题。提出改进的关联规则Apriori算法对调度中心的数据进行分析处理,提高事后辅助分析决策能力。首先分析了Apriori算法应用的局限性,然后从数据处理和分层挖掘两方面对传统Apriori算法作了优化。对SCADA系统历史数据库的挖掘结果表明,此算法对加快故障、事故的分析和处理有一定的指导意义。

基于改进Apriori算法的决策推导过程

计算机的广泛应用,使得人类积累了海量的数据。利用数据挖掘技术,可以从大型数据库或数据仓库中提取出隐含的,未知的及有潜在应用价值的信息或模式。关联规则是数据挖掘中最活跃的分支之一,侧重于挖掘数据库中各数据项间隐藏的深层次的关联关系,分析出潜在的行为模式。Apriori算法是挖掘关联规则的最经典的算法。文中介绍了经典Apriori算法的基本方法,并从数据项建立,频繁项集连接,规则生成3个方面对Apriori进行改动,挖掘出了可用于决策的规则。

基于改进Apriori算法的煤矿物联网规则系统研究

从物联网系统业务环境的需求分析开始,结合传统的关联规则挖掘方法 Apriori进行了改进,简化了算法挖掘频繁集以及规则的过程;并且实现了基于改进Apriori算法的物联网关联规则系统,为物联网关联规则分析业务提供灵活、高效的解决方案。

改进Apriori算法在荒漠草原的应用

为高效分析荒漠草原信息数据并及时给予牧民科学化养殖方案,提出基于荒漠草原数据多样性关联规则改进的Apriori算法。在经典Apriori算法的基础上,增加判断数据集,减少候选项集的产生,减少大量的时间消耗,提高改进的Apriori算法的效率。实验获取内蒙古苏尼特左旗多个地区的荒漠草原信息数据进行数据预处理,基于改进的Apriori算法分析荒漠草原羊体重增长因素。研究结果表明,改进的Apriori算法可以有效减少运算时间,解析了荒漠草原羊体重的增长受到品种、性别、载畜量、劳动力人数等因素的影响。