基于垂直结构的关联规则挖掘算法

本文在Apriori算法的基础上提出了一种基于垂直结构的关联规则挖掘算法，以减少事务数据库扫描次数和候选集的产生数量为目标，从待处理数据的结构变换入手，将传统的水平事务项目结构变换成垂直结构进行处理，简化了支持度的计算过程，避免了模式匹配。     

关联规则挖掘频繁模式算法——FP-Growth算法及其改进

经典的关联规则挖掘算法Apriori存在着耗时太大、无法实现的缺陷,故扩展性不强,难于推广。FP-Growth算法、快速投影频繁模式树挖掘算法、Tran-挖掘频繁模式算法在方面进行了很多的改进,大大的降低了系统的开销,提高了系统的性能。     

关联规则挖掘算法改进研究

文章讨论了数据挖掘的一般理论,研究了关联规则挖掘算法以及经典的Apriori算法,分析了算法存在的问题,并提出了新的基于压缩矩阵的关联规则挖掘算法。理论分析和仿真实验显示改进算法的性能明显优于Apriori算法。     

一种基于线性链表的关联规则改进算法

关联规则是数据挖掘中一种简单但实用的描述型模式规则,目前主要有Apriori算法和FP—Growth算法。基于线性链表的关联规则改进算法是在线性链表的基础上,采用投影统计技术方法直接获取用于产生频繁模式的条件模式基,可以进一步提高关联规则算法的效率。     

基于数据挖掘的关联规则研究

关联规则算法的研究在数据挖掘算法的研究中占有相当重要的地位。关联规则算法的核心是基于两阶段频繁记得Apriori算法，但随着对关联规则研究的深入，基于支持度和可信度的Apriori算法越来越不能适应实际情况，兴趣度的引入也就水到渠成。虽然兴趣度的引入一定程度上解决了用户感兴趣而Apriori算法无法生成的规则，但无法解决组合爆炸和规则丢失等问题。目前一种自动设置支持度最小值的基于可信度和支持度的模型基本解决了上述问题。     

SQL关联规则法在网站营销中的实证研究

结合"校园超市"营销网站建立数据挖掘的关联规则挖掘模型,利用"依赖关系网格"分析了客户交易数据库的关联规则,指明了企业如何采取合理的营销策略,有的放矢地利用挖掘规则优化网站产品布局、促销宣传,更好地为不同的网站客户提供有针对性的营销服务。     

挖掘关联规则的数组方法

讨论了大数据库上挖掘关联规则的数组方法。给出了一个数组方法，它效率更高，扫描整个数据库最多两遍。     

在教学质量评估系统中数据挖掘算法分析

为提高教学质量,许多高校已经建立了教学质量评估系统,如何将数据挖掘技术应用其中,从大量数据中提取出隐藏在数据之中的有用的信息,已成为高校发展研究的重要课题。从基本概念、算法的分析、提取规则等方面,对关联规则和决策树算法这两个数据挖掘工具进行了探讨,阐述了这两个数据挖掘工具的优点,并对关联规则挖掘算法中的Apriori算法和决策树算法进行了详细分析。     

传感器网络分布式数据流挖掘研究综述

文章阐述了无线传感器网络分布式数据流挖掘的研究现状,对无线传感器网络中的数据流进行分类、聚类和关联规则等分布式挖掘算法的比较分析、算法的应用以及挖掘系统框架研究。以此为基础,对将来的研究趋势做了分析和展望,探讨了今后潜在的、可能的专题研究方向。     

挖掘多级概念上的广义关联规则

挖掘关联规则的任务是在给定交易集中，每个交易包含一个数据项集，关联发现函数作用在交易集中，返回各数据项集间存在的关系，现实世界中，普遍存在“多级”的概念，在许多应用中，数据项集之间有用的关联规则常常出现在相对较高的概念层中，但在较低概念层往往可以发现较特殊和专门的信息。本文给出了一个在多级概念层上交互挖掘关联规则的算法，并进行了讨论。