关联规则挖掘技术发展及应用

本文主要介绍了关联规则挖掘的主要内容和最新进展。对关联规则的各种挖掘算法进行比较，分析了关联规则挖掘的各种扩展和改进模型，最后简单介绍关联规则的应用。     

关联规则算法探讨

文章对关联规则的发展进行了简单的介绍，分析了关联规则的经典算法，介绍进了一种新的关联规则算法，并对这三种算法在挖掘关联规则的特点进行了对比分析，最后对关联规则以后的发展进行了总结。     

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。     

数据挖掘技术在汽车保险中的应用

介绍数据挖掘中的关联规则挖掘技术在汽车保险中的实际应用,关联规则分析汽车保险中的风险因素与赔付率之间的关系。得出的关联规则对车险行业的决策和发展有一定参考指导意义。     

基于模糊关联规则在电子商务数据挖掘中的研究

数据挖掘是一种新兴的信息处理技术,它通过对商业数据的分析处理,可以发现蕴藏在数据中的商业知识,挖掘数据内在的联系、规则和模式,辅助商业决策。在电子商务环境下的数据挖掘的研究,主要是进行客户访问信息的挖掘．文章在考虑了数据来源之后,简要介绍数据预处理过程．最后给出了模糊集与传统的关联规则挖掘结合的算法。     

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。     

基于关联规则的推荐系统在电子商务中的应用

电子商务的发展加剧了企业的竞争。为了充分应用商务网站的信息,本文提出了建立基于关联规则的电子商务的推荐系统;探讨了电子商务推荐系统模型、生成关联规则和形成推荐集的过程。主要应用FP-Tree算法挖掘客户的行为模式和购买组合,根据用户的兴趣度和置信度产生相应的推荐侯选集,实现网站的个性化服务。根据挖掘的客户知识,网站可以制定针对目标客户的营销方案,从而提高客户的忠诚度,增加商务网站的赢利水平和竞争能力。     

数据挖掘在冠心病诊疗数据中的应用研究

文章收集中南大学湘雅三医院2009~2010年冠心病患者的诊疗数据,将病人住院过程映射为事务,将诊断和手术项目映射为项集,分别建立了"诊断与诊断"和"诊断与手术"关联规则挖掘结构,并利用FP-growth算法对挖掘结构进行了处理,最终获得了关于冠心病诊疗的关联规则。     

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。     

基于关联规则挖掘的Q-CFIsL算法在网络入侵检测系统中的应用

针对关联规则挖掘算法在处理海量数据的过程中存在效率低、需要反复访问数据库等问题,以及在入侵检测系统产生误报、效率低下等问题,文章提出了基于关联规则挖掘的Q-CFIsL算法,设计了基于Q-CFIsL算法的入侵警报检测系统模型。实验证明,Q-CFIsL算法在减少入侵警报的数量和降低误报率等方面明显优于其他算法。     

基于关联规则挖掘的Q-CFIsL算法在网络入侵检测系统中的应用

针对关联规则挖掘算法在处理海量数据的过程中存在效率低、需要反复访问数据库等问题,以及在入侵检测系统产生误报、效率低下等问题,文章提出了基于关联规则挖掘的Q—CFIsL算法,设计了基于Q—CHsL算法的入侵警报检测系统模型。实验证明,Q-CFIsL算法在减少入侵警报的数量和降低误报率等方面明显优于其他算法,     

基于关联规则的企业财务风险评价研究

基于关联规则的交互挖掘是以数据挖掘为基础,专门用于解决最小支持度和置信度阈值未知情况下的数据挖掘问题,其最大的特点就在于需要通过实验和调整来探知最小支持度和置信度阈值,最终实现对数据用户需求的有效满足。通过构建的基于关联规则交互挖掘的企业财务风险分析模型,分别对模型的支持度和置信度阈值进行数值设定,进而实现了对企业财务风险指标频繁模式类型数目以及规则数目的挖掘,并以此为基础最终实现对财务指标间规律的探析。未来企业应结合具体财务指标选择对企业财务风险实现多层面、全方位的防范。     

基于SSAS的油库安全事故关联分析

为有效地从纷繁复杂的油库安全事故要素中整理出规律性的油库安全管理知识,采用了SSAS数据挖掘工具中的关联规则算法;以大量油库安全事故案例为基础,进行了数据准备和处理;建立了基于关联规则算法的数据挖掘结构和模型;引入兴趣度参数,对数据挖掘模型得到的关联结果进行了分析、过滤;最后对数据挖掘的结果进行了实证分析;获得了油库安全事故触发因素与损失程度的关联规则;为油库安全管理提供了科学决策依据。     

基于SSAS的油库安全事故关联分析

为有效地从纷繁复杂的油库安全事故要素中整理出规律性的油库安全管理知识,采用了SSAS数据挖掘工具中的关联规则算法;以大量油库安全事故案例为基础,进行了数据准备和处理;建立了基于关联规则算法的数据挖掘结构和模型;引入兴趣度参数,对数据挖掘模型得到的关联结果进行了分析、过滤;最后对数据挖掘的结果进行了实证分析;获得了油库安全事故触发因素与损失程度的关联规则;为油库安全管理提供了科学决策依据.     

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。     

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。     

基于大数据科学决策规避海难事故的研究方法

提出对事故船舶航行因素进行聚类分析,再对各类事故因素分别进行关联规则挖掘,通过挖掘出的强关联规则建立海难事故知识库,使得操作人员可以通过匹配知识库中的航行条件得到科学的航行操纵决策方案。     

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。     

浅析数据挖掘在就业管理信息系统中的应用

高校扩招带来大学生数量大幅度增加,学生管理信息系统数据海量扩充,为了有效地利用和开发这庞大的数据信息库,提取潜在有用的信息和知识,笔者运用数据挖掘技术针对一家用人单位录用学生的数据信息展开分析,采用关联规则挖掘算法,寻找大量数据中项集之间的关联,得出关联规则,帮助学校有针对性地开展学生就业指导工作,为决策者提供理论依据。