浅谈数据挖掘技术在学生成绩分析中的应用

利用数据挖掘中的关联规则能够挖掘出大量数据中项集之间有意义的相关联系。采用Apriori算法对黑龙江工程学院学生的课程成绩进行分析,进而发现课程之间的联系,为教务处进行日常教学管理提供帮助。     

基于兴趣度的关联规则在学生成绩中的应用

对关联规则中Apriori算法的分析,并将其应用到学生成绩中,得到了一些先前未知的,有价值的信息,但同时又有一些无用甚至错误的规则出现,通过对关联规则的改进:加入了兴趣度阀值,提高了关联规则在数据挖掘中的精度,并且减少了无用,错误规则的产生,为学生成绩的分析提供了很好的支持。     

Aprior算法的改进及其在高职学生就业中的应用

Apriori算法是一种最具有影响力的挖掘布尔关联规则频繁项集的算法。然而,在产生频繁项集时,需要多次扫描事务数据库,并产生庞大的候选集。为了降低算法的时间复杂度,提高程序运行效率,提出了一种改进的Apriori算法。同时,以某一高职院校中已毕业学生和在校生的就业信息为基础,建立了就业事务数据库,运用改进的Apriori算法对就业数据进行处理,产生了频繁项集。根据最小支持度和最小置信度的定义,找出强关联规则。并引入重要性对强关联规则进行分析,发现具有实际意义的信息,为高职学校就业指导提供决策,为学生就业提供了若干意见。     

关联规则挖掘Apriori算法的研究

关联规则反映了大量数据中项集之间的相互依存性和关联性。Apriori算法是关联规则挖掘中的经典算法。本文在对Apriori算法分析的基础上,针对该算法存在的缺陷,即会产生大量冗余的候选集并频繁扫描数据库,提出了改进的Apriori算法,并给予验证。实践证明,改进后的算法效率优于传统的算法。     

浅谈Apriori算法

随着大量数据不断收集和存储,许多业界人士对于从他们的数据库中挖掘关联规则越来越感兴趣。Apriori算法就是经典的关联挖掘算法,文章分析了Apriori的算法思想、算法具体方法及其不足。     

关联规则中支持度变化的数据重挖掘算法研究

使用关联规则进行数据挖掘时,使用者为了达到一定的挖掘效果,经常需要不断地改变关联规则的支持度阈值(support)。文中提出了一种从大型数据库中挖掘关联规则的快速算法。该算法以经典的Apriori算法为基础,可以在提出新的支持度后,直接在首次挖掘的基础上进行再一次挖掘。结果表明,它较Apriori算法的实现速度有明显的提高。     

基于Apriori算法的邮政手机渠道的产品关联分析

为了查找客户手机渠道的购买规律，做好邮政手机渠道的推荐。本文采用Apriori算法针对客户的手机订单进行处理，统计并且分析手机业务之间的关联性，生成手机渠道业务的强推荐规则。推荐算法的关键在于阀值的确定，本文将关联规则产生的购买行为对应的购买比例与客户的平均购买比例相比较，高于平均购买比例的规则定义为强规则，最终，本文得到12条强关联规则。     

Web使用挖掘在网站优化中的应用研究

针对互联网用户访问Web服务器产生的日志。结合Web使用挖掘相关理论，采用Apriori算法挖掘用户的频繁访问模式。首先进行数据预处理以保证数据的质量及提高挖掘的效率；然后对预处理后的数据采用Apriori算法进行关联规则挖掘，找出其中的频繁访问模式；最后分析结果，总结规则，提出建议。     

通信设备告警关联规则挖掘探索——Apriori算法的应用

随着通信行业的蓬勃发展,运营商给用户提供的服务水平也不断提高,因此也给通信设备的维护工作提出了更高的要求。在移动网管领域中,设备告警的监控及处理工作始终都是至关重要的工作之一,最近几年网管系统已经实现了设备告警关联呈现,但告警关联功能是依赖于设备告警的关联规则的,目前告警关联规则都是靠维护人员的经验总结出来的,如何能够经过分析自动发现未知的告警关联规则是亟待解决的问题。运用Apriori算法通过对大量历史告警数据的分析可以实现挖掘告警数据中的频繁项集最终发现告警关联规则。     

基于规则型挖掘的油料装备知识发现研究

在基于知识的油料装备设计过程中,利用知识发现的方法实现油料装备知识的自我繁衍,对丰富油料装备知识库,提高油料装备的自动化设计水平具有重要意义。运用规则型挖掘技术中的Apriori算法挖掘出油料装备功能性需求数据中的关联规则,并将其存入知识库。这些关联规则,直接揭示了隐含在油料装备功能需求数据间的规律,为油料装备的功能设计决策提供了依据。