一种关联规则增量式更新算法

利用直观的方法研究时序数据库中的频繁项集挖掘,用于解决数据挖掘中数据增加而最小支持度不发生变化时关联规则增量式更新问题.     

超市事务数据库挖掘关联规则的设计

现在全球经济发展正在进入信息经济时代,各种形式的信息大量地产生和收集导致了信息爆炸,如何采用基于关联规则的数据挖掘技术发现超市事务数据库中的关联规则是本文所研究和探讨的重点。     

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。     

基于关联规则的数据挖掘

挖掘关联规则就是发现大量数据中项集之间相关联系的过程。它在数据挖掘中是一个重要的课题,最近几年已被业界公开研究,成为一个热点。本文对关联规则下的数据挖掘Apriori算法进行了分析和研究。     

超市事务数据库挖掘关联规则的设计

现在全球经济发展正在进入信息经济时代,各种形式的信息大量地产生和收集导致了信息爆炸,如何采用基于关联规则的数据挖掘技术发现超市事务数据库中的关联规则是本文所研究和探讨的重点.     

关联规则数据挖掘应用研究

笔者通过对关联规则的基本原理、分类及数据挖掘过程的介绍,对关联规则挖掘的核心算法及常用的优化方法进行了深入的研究,并通过一个例子介绍了关联规则在数据挖掘中的应用.     

基于关联规则与信息熵的技术融合趋势研究

根据从德温特专利数据库中检索的专利数据,运用Apriori关联规则算法得到关于技术融合趋势的关联规则,然后通过基于差异思想的兴趣度模型验证规则的有效性,并在关联规则基础上利用信息熵评估企业核心技术领域分布及变化情况。最后,以安川电机和发那科公司为例进行实证分析。研究结果显示,基于差异思想的兴趣度模型弥补了关联规则因阈值设置主观性较强而导致部分规则无效的问题。     

大规模数据集事务间关联规则挖掘方法研究——大数据挖掘方法研究之二

文章针对具有时间约束的大规模事务数据间关联规则挖掘问题,设计了一种时间约束频繁项目关系矩阵数据结构,并在此基础上,提出了时空性能优越的基于时间约束频繁项目关系矩阵的事务间关联规则挖掘方法。并通过示例和实验,对所提方法的逻辑可行性、有效性和适应性进行了验证。     

关联规则研究

对关联规则挖掘技术进行了研究,描述了关联规则的基本概念,介绍了关联规则的分类;阐述了挖掘关联规则的步骤,并展望了关联规则进一步的研究方向。关联规则挖掘作为数据挖掘领域的一个重要研究内容,它揭示了项集之间有趣的相关关系,可广泛应用于购物篮分析、数据分析、分类、网络个性化服务、企业电子商务中客户数据挖掘等广泛领域。     

可疑金融交易识别中的约束关联规则算法研究

在挖掘可疑金融数据中,提出一种快速的基于FP-tree的约束最大频繁项目集挖掘算法,把发现约束频繁项目集的问题转化为发现约束最大频繁项目集的问题。算法可以根据用户的需要,随时减少不满足约束条件的候选项目集的个数,提高运行效率,同时可确定挖掘主属性,确定生成的关联规则范围,为有效开展可疑金融交易识别提供了有益的参考。