首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献，搜索用时 31 毫秒
1.
计算机软件蕴含大量工作信息,有效挖掘软件数据信息之间的内在关联是信息时代对软件应用的潜在要求。针对经典Apriori算法挖掘数据效率低、复杂度高的问题,提出一种改进Apriori算法用于挖掘计算机软件数据的关联规则。为计算机软件算法设置双重支持度阈值,即频繁项集与非频繁项集支持度阈值,快速获得强关联的频繁项集;在此基础上基于映射规则重构事务数据库,压缩数据库规模,减少算法的剪枝操作,降低计算机软件数据关联规则挖掘复杂度。以人力资源类计算机软件数据为例展开关联分析测试,结果显示,该算法挖掘的关联信息与人力资源实际管理情况一致,相比经典Apriori算法其效率有所提升。  相似文献   

2.
在介绍关联规则的相关概念后分析了关联规则经典的Apriori算法,探讨了Apriori算法在某商务网站用户行为分析中的具体应用,通过Apriori算法的挖掘结果分析出用户行为特征,即用户在点击购买不同商品时存在着某种必然或者大概率事件,从而改善网站结构,提高用户满意度.  相似文献   

3.
关联规则挖掘是数据挖掘研究领域中的一个重要任务,旨在挖掘事务数据库中有趣的关联。Apriori算法是关联规则挖掘中的经典算法。然而Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点。提出了一种新的Apriori的改进算法,该算法在生成k(k>1)项频繁集时,不需要重新扫描数据库,只是在生成1项频集时,才需要扫描事务数据库,有效地减少了对事务数据库的读操作,在时间复杂度上较经典的Apriori算法有更加优越的性能。  相似文献   

4.
关联规则的上探操作沿袭了OLAP中上探的概念,它是通过对已经挖掘得到的用户感兴趣的规则进行再分析,挖掘出用户感兴趣的父关联规则.提出了关联规则上探及相关的概念,并在此概念的基础上给出了上探的算法及复杂度分析.实验结果表明,上探操作能有效挖掘出上层关联规则.  相似文献   

5.
推荐系统是对用户的历史行为进行挖掘,对用户兴趣信息进行建模,并对用户未来行为进行预测,从而建立用户和内容的关系,满足用户对商品的推荐需求的一种智能系统。通过对主要的推荐算法进行比较分析,提出一种基于用户行为的推荐算法,挖掘用户浏览阅读行为的关联规则,模拟实现了基于用户行为的智能推荐系统,提高了推荐算法的有效性。  相似文献   

6.
根据数据挖掘中关联规则的性质以及高校成绩管理数据库的自身特点,在经典关联规则算法Apriori算法的基础上提出了一种改进的算法A 算法,并利用该算法对学生成绩管理数据库进行了关联规则挖掘,得到了隐含在数据库中的有用信息。  相似文献   

7.
关联规则挖掘是数据挖掘领域中的一个非常重要的研究内容,其主要目标就是发现数据库中一组对象之间某种关联。频繁项集挖掘是关联规则挖掘的关键步骤,它在很大程度上决定了关联规则挖掘的效率。介绍了Apriori算法及其算法改进。该改进算法对剪枝步进行了优化,提高了连接效率,并且不断减小数据库的规模,去掉无效事务,减少了每次扫描数据库所花费的时间,提高了算法效率。经过试验论证,性能比原有算法提高,具有一定的实用性。  相似文献   

8.
大型数据库中关联规则的发现是KDD中一个重要的问题。本描述了关联规则的一般算法，对定量型关联规则的挖掘算法进行了讨论，结合我校智能型学生测评系统，给出了挖掘定量型关联规则的算法。  相似文献   

9.
关联规则的挖掘分为两步，首先找出满足最小支持度要求的频繁项目集，然后根据频繁项目集生成满足最小置信度要求的关联规则集．目前对关联规则挖掘的研究主要集中在频繁项集的生成上，然而，作为整个关联规则挖掘的一部分，由频繁项集生成关联规则的算法也有待进一步研究和改进．本文首先对传统的集合操作进行了扩展，然后在扩展集合操作的基础上，提出了由已挖掘出的最大频繁项集生成关联规则的算法ARD-ES，并对算法的复杂度作了理论和实验上的分析．实验表明，ARD-ES算法随着事务数据库容量的增大，时间占用的攀升基本上是线性的，空间占用在某一定值上下波动．  相似文献   

10.
根据数据挖掘中关联规则的性质以及高校成绩管理数据库的自身特点，在经典关联规则算法Apriori算法的基础上提出了一种改进的算法——A＋＋算法，并利用该算法对学生成绩管理数据库进行了关联规则挖掘，得到了隐含在数据库中的有用信息．  相似文献   

11.
关联规则是数据挖掘领域的一个重要分支。随着大量数据的收集和存储,人们对于从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、算法描述及实际应用。  相似文献   

12.
Apriori算法是整个关联规则算法的基础.它必须对数据库进行重复性扫描.效率低,耗时巨大.针对关联规则的维护问题,提出利用已生成关联规则的挖掘结果进行更新的算法,仅需对数据库进行两次扫描,提高了关联规则的更新效率.  相似文献   

13.
以COM技术和vB、vC语言为基础设计开发了一个用于挖掘关联规则的可视化人机交互系统.该系统能对Access和SQL Server创建的数据库以及以文本方式记录的数据进行关联规则挖掘.通过人机交互界面使用户参与到规则的挖掘过程中,使系统按照用户的需求完成规则的挖掘.  相似文献   

14.
浅谈关联规则挖掘技术的研究与应用   总被引：1，自引：0，他引：1  
数据挖掘技术是日前广泛研究的数据库技术,关联规则是表示数据库中一组对象之间某种关联关系的规则。本文简要介绍了关联规则挖掘的相关理论和概念、Apriori算法,最后介绍了关联规则数据挖掘的应用情况。  相似文献   

15.
常浩 《太原大学学报》2013,14(2):127-130
数据挖掘是从事务数据库中抽取有用的知识和感兴趣的模式,而从事务数据库中发现关联规则是最常见的挖掘技术之一。提出一个遗传模糊关联规则挖掘框架和综合聚类、模糊和遗传概念的多最小支持度的遗传模糊关联规则挖掘算法。该算法从定量事务数据库中抽取合理的多最小支持度值、隶属函数和模糊关联规则,首先使用k—means聚类算法采集相似项目,然后初始化一个种群设定相同的支持度值,每一个染色体通过需求满足的标准和隶属函数的适应性来评估是否满足其适应度。  相似文献   

16.
关联规则是数据挖掘中一个非常重要的任务,有许多针对于关联规则的挖掘算法,然而需要提高算法的有效性来处理现实世界中的数据集。基于聚类的关联规则挖掘算法法通过扫描数据库创建聚类表,将收集的事务记录放入聚类表中,通过局部聚类表的约束来产生频繁项集,不仅可以剪枝候选项集,降低数据扫描的时间,而且确保挖掘结果集的正确性。实验结果表明,基于聚类的关联规则挖掘算法比Apfiori算法有更高的执行效率。  相似文献   

17.
关联规则广泛应用于网络入侵检测,以Access2003数据库为基础,实现了关联规则挖掘apriori算法,成功挖掘出网络数据特征项与入侵类型之间的关联规则,能有效地对网络入侵数据进行关联规则分析。  相似文献   

18.
人们已经提出了许多用于高效地发现大规模数据库中关联规则的算法,但它们大多会产生大量的关联规则,这些规则中包含很多用户不感兴趣的垃圾规则,且只能发现正项的关联规则。因此,引入兴趣度的概念,对FP-Growth算法进行改造,发现一些用户真正感兴趣的有用关联规则,这些规则允许包含负项规则。  相似文献   

19.
简要介绍了数据库中关联规则挖掘的概念、分类及经典的挖掘算法.  相似文献   

20.
关联规则挖掘研究是数据挖掘研究的一项重要的内容.Apriori算法是挖掘关联规则的经典算法,但存在一些不足之处.本文在Apriori算法基础上,提出了基于链表数据结构的关联规则改进算法.由于该算法只需对交易数据库进行一次检索,故能大量减少所需的I/O次数,提高了系统的性能.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号