基于事务相似矩阵的关联规则挖掘算法

通过对Apriori算法挖掘过程的深入分析,提出一种改进的关联规则挖掘算法——基于事务相似矩阵的关联规则挖掘算法(ARBSM):在压缩事务布尔矩阵的基础上构建一个事务相似矩阵,直接查找高阶K-项频繁集,有效解决了Apriori算法逐层搜索的迭代产生频繁项集的瓶颈问题。测试结果表明,ARBSM算法可以高效地挖掘潜在的强关联规则。

频繁集挖掘算法研究

归纳分析了关联规则的典型挖掘算法及其思想,并通过实例比较各算法之间的差别,同时讨论了各种算法的优化技术,分析了他们的适应性及优缺点。

一种改进的Apriori挖掘关联规则算法

针对数据挖掘的经典关联规则Aprior算法的效率问题提出了改进算法,即BTA算法,旨在提高算法效率。BTA算法只在产生侯选1-项集时需要遍历一次数据库,其它侯选项集的支持度计算只需统计相应TID集合的元素个数即可,而不必像Apriori算法那样反复地遍历数据库,从而提高了算法效率。

一种适用于中小数据集的关联规则挖掘算法

探讨了Apriori算法的改进问题,提出了一种适用于中小数据集的关联规则挖掘算法。该算法主要特点是简单、清晰、高效。一方面充分使用了内存的高效存贮,另一方面使用了位运算快速进行计数,同时简化了Apriori算法中频繁项集的计算,大大的减少了中间变量及其存贮的时间和空间,提高了关联规则挖掘的速度和效率。

Apriori算法的改进

在数据挖掘中关联规则中是一个重要的研究方向。Apriori算法是关联规则中最著名的算法。，本文分析了Apriori算法存在的不足，与可以改进的方向。并提出了一种基于压缩事务项的改进方法，以提高Apriori算法的效率，

一种基于关联模式的完全决策规则的提取方法

针对基于粗糙集理论提取完全的决策规则是NP难问题,提出一种获取统计意义下的完全的简化规则的算法.该算法结合关联规则挖掘方法和粗糙集方法的优点,从决策表中提取出具有一定支持度和可信度阈值的决策规则,具有实际的应用意义.通过实例验证了算法的有效性.

一种改进的VSM及其在文本自动分类中的应用

目前大多数文本自动分类系统都采用向量空间模型(VSM)来表示文档。针对常规的VSM文档表示方法不能反映概念的问题,文章对VSM进行了改进。在VSM的基础上,选取在同一个窗口单元中出现的高频词,用Apriori算法从这些高频词中挖掘出最大频繁词共现集,以此对VSM进行扩展后用来表示文档。实验表明,与用VSM表示文档相比,该方法使文本自动分类系统的性能有了显著的提高。

关联规则数据挖掘方法的研究

首先简要地介绍数据挖掘和关联规则的概念、关联规则的基本原理及种类。然后详细地介绍了关联规则挖掘研究现状,讨论了Apriori算法的基本原理,同时也指出了Apriori算法的一些不足。针对这些不足提出了解决方法,描述了几种改进算法。最后对关联规则挖掘下一步的研究方向进行了展望。

关联规则挖掘在学分制教学管理中的应用

利用数据挖掘技术的关联规则挖掘,可以从大量数据中发现有价值的规则。本文将Apri-ori算法应用于高校教学管理系统,探讨了高等学校专业课程间的相关性问题,并对学生成绩数据进行分析,得出了部分合理、可靠的课程相关性规则,为学分制体系下学生选课提供指导。

关联规则的可视化人机交互系统应用研究

以COM技术和VB、VC语言为基础设计开发了一个用于挖掘关联规则的可视化人机交互系统。该系统能对Ac-cess和SQLServer创建的数据库以及以文本方式记录的数据进行关联规则挖掘。通过人机交互界面使用户参与到规则的挖掘过程中,使系统按照用户的需求完成规则的挖掘。

关联规则挖掘在网上书店系统中的应用

数簪挖掘技术是在大量的数据中发现未知知识的数据分析技术，利用数据挖掘技术分析客户数据，发现其中的耀律，从而为商务决策提供依据。本文研究了关联规则的相关分析并应用于网上书店系统，实现客户订单数据的关联规则挖掘。

基于矩阵与图的关联规则挖掘

提出了一种新的算法,该算法是在基于图的关联规则挖掘的基础上进行研究,并提出改进。该算法与传统的关联规则挖掘算法Apriori算法相比,具有一定的优势,如复杂度低,无需多次扫描数据库等。

一种改进的Apriori算法

介绍了关联规则挖掘的情况,并在分析关联规则的数据挖掘算法的基础上,提出一个改进的Apriori算法.新算法仅对数据库扫描一次,就能找出所有的频繁项集,从而提高了挖掘的效率。