对Apriori算法的一个改进

随着Internet的蓬勃发展,商业W eb网站面临越来越激烈的竞争.面对大量的电子商务信息,用数据挖掘技术找出用户感兴趣的信息加以组织利用,加强客户关系的管理,提高客户满意度,从而改进W eb站点的设计、改善企业与客户的关系成为电子商务发展必须要解决的问题.数据挖掘是从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是隐含的,事先未知的潜在的有用信息.主要包括的方法有:分类、回归分析、聚类、关联分析等.关联规则的提取主要针对大型事务数据库.由于关联规则提取需要重复扫描数据库,因而提高算法的效率是至关重要的.1 Apriori算…     

Apriori算法在汽车销售客户分析中的应用

文章以4S店客户信息数据库作为研究对象,利用数据挖掘中关联规则挖掘算法Apriori,挖掘出已成交的客户特征和规则,对分类结果进行分析,并在某品牌4S店销售汽车过程中借鉴这些规则,有针对性的地进行引导销售,从而提高了销售成功率。     

数据挖掘在本科教学评估中的应用

数据挖掘是目前信息领域和数据库技术的前沿研究课题。关联规则技术是数据挖掘的最重要的组成部分之一,它用于发现大量数据中项集之间的有意义的关联和相关联系。在给出教学评估数据挖掘系统的框架之后,使用相关数据进行关联规则算法的实验,对结果进行初步分析,其得出的结论对高校教学评估和教学工作都具有一定的指导意义。     

油液监测故障诊断关联规则的挖掘研究

叙述了基于规则推理的传统专家系统对规则提取的局限性，介绍了数据挖掘的概念，并就柴油机故障诊断问题指出关联规则的必要性，确定了挖掘关联规则所需的数据库结构．并讨论了柴油机系统单层次故障和多层次故障关联规则的挖掘．     

基于新浪微博API的话题分析系统

以从新浪微博平台海量信息中挖掘知识为目的,通过获取新浪微博开放平台授权并认证,调用新浪微博API(Application Programming Interface)相应的函数接口,获取单用户基本信息及所发微博信息,应用多用户遍历思想及迭代算法,获取大量用户基本信息及微博信息,并存储到数据库中,利用数据挖掘关联规则算法进行话题分析,并将分析结果通过可视化的方式展现,最终实现话题的关注度分析、话题间关联程度分析以及话题关注人群的特征分析。     

多层多维关联规则在交通事故研究中的应用

基于大量的真实交通事故案例,利用关联规则技术中的约束原则和Apriori算法思想,对交通事故信息进行数据挖掘,探求符合真实规律的关联规则.研究证明了关联规则在交通事故分析领域有着良好的应用前景,不但能够加深对交通事故的认识,还可以为改善道路建设以及提高车辆安全性提供很多有价值的参考.     

对Apriori算法的一个改进

介绍了关联规则挖掘的研究情况,并在分析关联规则的数据挖掘算法的基础上,针对Apriori算法进行深入研究,提出了Apriori-1算法,新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目,提高了原算法的效率,具有一定的实用性.     

对Apriori算法的进一步改进

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,针对Aprion算法和Apriori-1算法进行深入研究,提出了apriori-2算法,新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目,提高了原算法的效率,具有一定的实用性.     

PSO算法在关联规则挖掘中的应用

提出了一种新的大型数据库中关联规则挖掘策略,利用PSO算法对原始数据库进行划分,将原始数据库分为n个子数据库,再使用FP-Growth算法对每个子数据库进行关联规则挖掘.实验证明:该方法有效的改善了FP-Growth挖掘算法的效率,尤其是对大型数据库进行着挖掘时,该方法相比于其它算法具有更高的效率.     

一种新的高效关联规则数据挖掘算法

在分析关联规则的数据挖掘算法基础上,针对Apriori算法进行深入研究,提出了改进算法FA,并在实际项目中加以应用.算法FA在计算选项集支持度所涉及的记录数目将小于事务数据库中原记录数目,提高了原算法的效率,具有一定的实用性.     

基于粗糙集的知识动态更新中若干关键问题研究

数据挖掘是当前信息科学领域中的热点研究方向。目前已经在市场分析金融投资、医疗卫生、环境保护、产品制造和科学研究等许多领域获得了广泛的成功应用，取得了十分可观的社会效益和经济效益。数据挖掘中的一个核心问题是知识更新。数据的动态变化是大多数数据库的一个主要特点，从数据库挖掘出来的规则只能代表数据库的当前或以前状态，     

对APriori算法的一个改进

介绍了关联规则挖掘的研究情况，并在分析关联规则的数据挖掘算法的基础上，针对Apriori算法进行深入研究，提出了Apriori—1算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

对Apriori算法的进一步改进

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，针对Apriori算法和Apriori-1算法进行深入研究，提出了Apriori-2算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

一种新的频集发现算法P＆FP

在分析已有关联规则挖掘算法的基础上,提出了应用于Web 文本集的特征关联规则挖掘框架,详细地论述了该框架所涉及的主要技术和实现过程中涉及的诸多问题,据此给出了该框架主要模块的实现算法.在该框架中,Web 文本集的特征关联规则挖掘以Web 文本的结构化处理和特征化处理为前提,核心的挖掘模块由频集发现算法P&FP 和关联规则生成算法GenNoRedundantRule 构成,算法P&FP 结合了Partition 算法的数据分片思想和FP-生成树算法的高效性,算法GenNoRedundantRule 可以避免大量冗余规则的产生.这两个算法较之已有的算法是比较高效的,而且它们还具有较好的扩展性和并行性.     

基于异几率属性的可视化关联规则挖掘

在分析数据特性的基础上,提出了一种基于异几率属性的可视化关联规则挖掘算法,不仅提高了原算法的运行效率,而且提供了一个可视化的交互平台,使用户主动地挖掘感兴趣的关联规则.     

基于数据挖掘的齿轮副磨损状态评估方法

为了提高齿轮副磨损状态评估的准确率,基于数据挖掘技术提出了一种新的齿轮副磨损状态评估方法.该方法通过设计直齿圆柱齿轮副磨损实验,提取实验齿轮副全寿命周期内的油液参数和振动参数,对齿轮副磨损状态进行聚类划分,建立了监测参数与齿轮副磨损状态之间的关联规则集及齿轮副磨损状态关联规则匹配算法,用于识别齿轮副的磨损状态.研究结果表明:基于数据挖掘的齿轮副磨损状态评估方法对齿轮副磨损状态的识别率达90%,能有效地评估齿轮副磨损状态.      

增量数据挖掘算法在区域交通管理中的应用

分析了基于关联规则的增量数据挖掘算法，指出其效率低下的原因，针对传统数据挖掘算法多次迭代扫描，每次迭代产生数目更大的频繁项集的不足，提出链表增量数据挖掘算法LIUA，并将该算法应用于区域性车辆自动识别管理系统中，有效地挖掘出系统中的关联规则，对挖掘出的关联规则进行了分析．通过测试结果表明该算法是合理有效的．     

一种新的高效关联规则数据挖掘算法

在分析关联规则的数据挖掘算法基础上,针对Ariori算法进行了深入研究,提出了改进算法FA,并在实际项目中加以应用,算法FA在计算选项集支持度所涉及的记录数目将小于事务数据库中原记录数目,提高了原算法的效率,具有一定的实用性。     

基于数据挖掘的车辆传动系统运行状态监测研究

引言 传动系统不仅是影响车辆机动性的核心部件,也是致命故障的主要来源之一.因此,对传动系统的状态监测与故障诊断是车辆故障预测诊断的核心内容之一.本文将数据挖掘技术引入车辆传动系统的状态监测与故障诊断领域.通过数据挖掘技术能够存储并快速检索大量的、有噪声的、模糊的、不完全的、疏密不均和随机的监测诊断数据,提取隐含在数据中的知识规则、模式和关系,自动进行解释和知识评估,为掌握设备运行状况、监测故障征兆提供快速的特征描述和辨识性描述.     

汽车交通事故分析处理专家系统的研究

介绍了“汽车交通事故分析处理专家系统”的基本原理及其主要功能 .该系统是以专家系统理论和交通事故学为基础 ,用数据库语言开发的一个大型智能化软件 ,目的是为了用计算机辅助人进行汽车交通事故分析处理以提高事故分析处理的效率和科学性 ,它所实现的主要功能有 :事故证据登记、事故处理、事故查询和统计分析 ,并可外接扫描仪处理图片 ,外接电子显示屏辅助案情分析 .其主要特点有 :全菜单界面 ,操作方便 ;三级结构数据组织 ,易于修改和扩充 ;提供解释功能 ,高透明度处理 ;知识储存以框架理论表示 ,节约储存空间 ;事故处理时知识以关联三元组表示 ,提高知识的使用效率和质量 .