基于关联规则Apriori算法的学生成绩分析

关联规则挖掘是数据挖掘领域研究的热点问题,其中Apriori算法是经典的关联规则算法。将关联规则Apriori算法应用到学生成绩分析中,挖掘出课程与课程之间的相互关系,寻找各方面影响学生成绩的因素,发现隐藏在数据背后有价值的信息,从而为学生选课和教师教学以及教学管理工作等提供辅助性的建议与决策。     

基于关联规则挖掘技术的第三方物流企业营销决策研究

首先概括了物流信息挖掘技术及其作用,并介绍了一些相关的研究成果和模型,接着重点进行了基于关联规则挖掘技术在第三方物流企业营销决策中的实证分析和研究。实证结果表明,第三方物流企业业务开展和营销决策中,应用关联规则对业务数据信息进行挖掘在技术上是可行的,而且基于关联规则的物流企业业务数据信息挖掘过程中所发现的业务关联规律和影响因子可以帮助物流企业进行营销决策的制定和优化,为市场营销活动和决策提供科学依据。     

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。     

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。     

金属期货与现货市场价格互动关联规则挖掘研究

期货市场传递的价格信息反映未来供求状况的预期,因此,研究金属期货和现货市场价格互动,对于国民经济发展、企业规避价格风险、投资者进行投资决策及政府进行市场监管都有重要意义。本文将数据挖掘中的关联规则挖掘方法引入金融时间序列分析研究领域,针对挖掘对象期货市场的特点,提出基于时间约束的时间序列关联规则挖掘算法。与传统的忽视数据时间信息的关联规则挖掘算法相比,该算法对期货价格与现货价格间的互动关联规则进行挖掘,能发现反映时间序列局部动态互动关联关系,具有一定的短期预测效果。     

关联规则挖掘算法在选课系统中的应用研究

本文针对高校网上选课工作中遇到的一些实际矛盾,将关联规则挖掘算法应用于选课指导系统中,对系统中存储的大量数据进行挖掘,从中提取出潜在的有用的信息,为高校选修课的开设及学生选课行为提供决策支持。     

关联规则挖掘算法在选课系统中的应用研究

针对高校网上选课工作中遇到的一些实际矛盾,本文将关联规则挖掘算法应用于选课指导系统中,对系统中存储的大量数据进行挖掘,从中提取出潜在的有用的信息,为高校选修课的开设及学生选课行为提供决策支持。     

基于审计数据质量控制的数据挖掘应用

逻辑结构与信息本身相分离的特性,使得电子审计数据在真实性、完整性、一致性和有效性等方面难以满足审计工作对数据质量的要求。而利用分类、聚类、关联规则等数据挖掘技术可以控制和提升审计数据质量,提高电子审计效率。     

改进的关联规则算法在课堂教学评价中的应用

课堂教学评价对提高教学质量十分重要,将计算机数据挖掘技术中关联规则算法应用于课堂教学数据评价中是十分科学的,可以更加客观和有效地对教师教学情况加以评价,并从中得到有价值的信息。     

浅谈关联规则在读者借阅规律中的应用

随着数字化图书馆的发展，数据收集与数据挖掘为图书馆制定政策与建立决策提供了具有高度参考价值的信息，文章利用软件spss和数据挖掘中的关联规则，按专业和读者类型分析了读者借阅规律。     

数据挖掘技术在物流业中的应用

数据挖掘是从大量已有数据中找出隐藏在其中的、有用的信息和规律。当前大部分物流企业实现了信息化建设,随着物流管理工作的不断推进,会产生大量数据,如何有效利用这些数据是物流企业实现现代化的关键所在。文章首先介绍了常用的数据挖掘方法,接着阐述数据挖掘技术在物流业中的应用,最后指出物流企业应用数据挖掘技术时应注意的问题。     

A data mining algorithm for fuzzy transaction data

The main purpose of this paper is to propose a data mining algorithm for finding interesting association rules from given sets of fuzzy transaction data. To efficiently resolve the ambiguity frequently arising in available information and do more justice to the essential fuzziness in human judgment and preference, the trapezoidal fuzzy numbers are used to describe the fuzzy assessments of transaction data. Then, combining the concepts of fuzzy set theory and the priori algorithms, the interesting item sets are found to construct the association rules. Finally, a numerical example is used to demonstrate the computational process of proposed data mining algorithm. By utilizing this data mining algorithm, the decision-makers’ fuzzy assessments with various rating attitudes can be taken into account in the data mining process to assure more convincing and accurate knowledge discovery.     

基于网络数据挖掘的信息安全监控体系

网络在国民生产和生活中的逐步渗透对信息安全提出了严峻的挑战,应对此挑战的方法也只能通过对网络信息资源的监控来实现。本文将数据挖掘技术应用于网络信息安全监控,设计出一套基于网络数据挖掘的信息安全监控体系的概念模型。该体系通过多种方法对海量的网络数据进行收集,经过预处理后形成信息安全数据仓库,在此基础上进行数据挖掘,最终生成信息安全监控对象的特征信息和监控对象之间的关联信息,以达到对信息进行安全监控的目的。     

基于分布式关联分析的CRM系统设计研究

针对企业决策环境下数据分布在不同地区和部门、随时间动态变化等特点,本文设计了一个基于分布式关联信息分析的CRM系统,该系统利用多agent处理各个节点上的信息,获得局部知识,然后融合局部知识得到全局知识。本系统适用于分布式环境下的决策分析和海量信息处理任务。     

独立学院招生Web系统与数据挖掘的结合与应用

本文把Web报名系统与数据挖掘相结合,建立独立学院招生决策模型。首先,建立一个适用于数据挖掘的招生Web报名系统,用它来采集更直接、更客观的考生数据;其次,用关联规则对考生数据进行挖掘,发现数据中的潜在的规则,作为我们进行招生宣传的决策依据。     

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。     

中观信息系统审计风险控制体系研究——以COBIT框架与数据挖掘技术相结合为视角

当前,我国急需一套完善的中观信息系统审计风险控制体系。这是因为我国的中观经济主体在控制信息系统审计风险时需要一套成熟的管理流程,且国家有关部门在制定信息系统审计风险防范标准方面也需要完善的控制体系作为支撑。在阐述COBIT与数据挖掘基本理论的基础上,借鉴COBIT框架,构建中观信息系统审计风险的明细控制框架,利用数据挖掘技术有针对性地探索每一个明细标准的数据挖掘路径,创建挖掘流程,建立适用于我国中观经济特色的信息系统审计风险控制体系。     

数据挖掘在企业人力资源绩效管理中的应用

企业人力资源绩效管理作为企业管理的重要内容,在其绩效过程中产生了大量的反映员工绩效情况的数据却无法得到很好的整理和利用,因此,企业需要一种能从数据库中自动提取隐藏在数据中有用信息并从中总结其内在规律的工具来解决这一问题。论文阐述了数据挖掘的基本理论和企业人力资源绩效管理的现状,通过决策树技术在绩效分析中的应用,找到影响员工绩效的真实原因,发现绩效规律,找到企业绩效管理的有效途径,从而改进绩效管理策略,提高员工的工作效率,支持管理决策,帮助企业实现其绩效的持续发展。进而提升企业效益。     

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。