简介：针对关联规则Apriori算法存在的局限性，提出了利用杂凑树结构来存储侯选项集，以减少存储空间．同时通过一定的规则属性忽略一些数据来减少扫描的事务数据量以提高检测的速度．通过KDDCUP1999数据集进行测试，证明了该算法的有效性．

简介：随着信息化的发展,人类进入数据爆炸时代,从海量数据中查找到相关联的知识,并对其进行处理,从而满足用户需求已成为一种趋势。文章研究了基于数据挖掘的关联规则,以此来寻找数据之间的潜在关系。通过分析海量数据中的有价值数据,将其转换为可供处理的数据格式;通过改进经典的Apriori算法来实现需求数据的预测和决策,应用结果也表明该算法能够获得较好的研究效果。

简介：对Apriori算法进行优化，提出了一种Z_Apriori算法。该算法在首次产生频繁项集时。扫描数据库并通过二进制编码串记录每个项目在事务里是否出现过，在每次进行计算迭代过程中无需再对数据库进行扫描．避免了对数据库的重复扫描，在系统性能和效率上较经典的Apriori算法有一定的改善。

简介：数据挖掘是近几年发展起来的一种对信息资源进行开发和数据处理的新技术,而关联规则是数据挖掘的核心技术.以超市为例,通过分析顾客的购买行为,来实现将数据挖掘中的关联规则算法应用于客户关系管理(CRM)中,从而为商业提供决策支持.

简介：针对数据删除的关联规则的更新问题，提出了一种新的算法，该算法充分利用了保留下来的原数据库中所有项目的计数以及挖掘出来的最大频繁项目集及其计数，找出更新后的数据库中新增的频繁一项集和被删除的原频繁一项集，进而挖掘出更新后的关联规则。

简介：数据挖掘是一种新兴和具有很大应用价值的技术，关联规则是其中重要和实用的方法之一。本文在介绍此技术的基础上，讨论该技术在教育领域中的应用。

简介：设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.

简介：摘要当今信息化发展速度惊人，大数据、云计算、人工智能技术应用于各行各业，给社会的发展带来了很多便利，也为我国经济的快速发展注入了新的血液。因此，根据实际情况研发出科学而有效的数据挖掘算法，对于整个信息行业来说都有不可估量的意义，在进行大规模数据信息处理的时候，在关联规则下的数据挖掘算法就体现出了它本身重要的优势。因此，本文将对关联规则下的数据挖掘算法进行详细的分析，以供参考。

简介：数据挖掘从大量的数据中提取隐含在其中的有用信息和知识,采用关联规则挖掘方法,对多媒体图像进行关联规则挖掘,得出多媒体图像的关联规则。

简介：发现频繁项集是数据挖掘应用中的关键问题,发现过程的高花费要求对增量数据挖掘算法进行深入研究.考虑保持最小支持度不变,一个事务数据集d动态的添加到事务数据库D中时,利用基于矩阵的MFUP(Matrix_Fast_Update)算法生成事务数据库DUd中的频繁项集.

简介：在简要介绍数据挖掘关联规则以及词语关联度计算现状的基础上,对FP-growth算法进行了描述,并将其应用到词语关联度中,提出利用一种构建词汇社区结构的方法,实现对词语关联度的计算。通过实验分析,提出的计算词语关联度的算法取得了更好的准确率,具有一定的可行性和实用性。

简介：学习者在远程教学平台中遗留的大量数据,体现了学习者的个性特征和知识建构过程。但由于远程教学实施过程中指导教师精力有限、学习过程缺乏监管等,导致这些数据并未得到充分利用。文章选取某继续教育学院远程教学平台中存储的网络学习行为数据,基于关联规则挖掘出学习风格、学习行为和学习成绩之间隐含的内在规律,并转换为有利于教学决策和教学过程优化的知识,以帮助不同风格的学习者改善自身学习行为,同时便于教师在不同类型的远程教学过程中结合学习者的风格差异完善教学过程。

简介：书店在图书销售过程中积累了大量的图书信息,这些信息可以用于查询、统计,获得想要的有关图书信息的数据。但是这些信息的作用还不止于此,这些海量信息中包含着有用的＂知识＂,可以通过计算机数据挖掘技术将隐含在其中的＂知识＂挖掘出来,用于书店的经营决策。本文以买书的个体为事务,以购买的图书为事务项。运用APRIORI算法探讨了利用关联规则分析个体购买图书之间的关联关系,找出了购买图书之间的关联规则,为书店的经营决策提供科学依据。

简介：传统的关联规则Apriori算法在产生频繁项集的过程中,需要多次扫描事务数据库以及多次扫描频繁项集,从而造成算法性能下降.为了减少扫描事务数据库以及频繁项集的次数,在生成的候选k项集中,除了存储项集item-set以及支持度计数count之外,加入事务标识符列表Tidlist属性,在生成频繁k项集时,可以直接通过Tid-list的交集得出事务标识符列表以及项集的计数,不需要去扫描事务数据库,从而可以有效地提高算法的性能.文中提出了一种改进的关联规则挖掘模型以及关联规则挖掘算法I-Apriori算法.实验证明,I-Apriori算法相比Apriori算法的执行时间有明显改进.

简介：本文对关联规则采掘中的主要方法进行了概述,指出了关联规则采掘中的不足,介绍了算法优化上的一些进展情况

简介：在关联规则挖掘中，通常使用支持度和置信度来衡量一条规则是否为强关联规则，但从理论和实践中分析，发现传统方法挖掘生成的规则中存在大量冗余，甚至错误。本文通过引入统计学中的相关系数ρ作为新的阈值---兴趣度，对事务数据的关联属性进行度量，实验结果表明，改进后的算法在相同条件下可以得到质量更好、意义更明确的关联规则。

简介：随着“互联网＋”技术的不断发展,人们在大数据时代所产生的数据量也呈现出急速发展的趋势,面对如此复杂的、海量的数据,如何进行有用信息和数据的提取成为重要的问题,数据挖掘便成为关键,而关联规则则是数据挖掘中的重要组成部分,主要用于对数据集中项等之间联系的发现,对于从大数据中通过关联规则来进行挖掘已是最成熟且最活跃的研究方向之一。

简介：叙述外贸业务过程与交叉销售系统流程,说明外贸业务交叉销售关联规则聚类系统的基本结构,简述关联规则与ISODATA模糊聚类分析原理,着重介绍ISODATA模糊聚类分析的分类数c与初始模糊分类矩阵Rc^（0）的获取,以及利用其更准确建立交叉销售经营类别库与商品规则库的初始数据。

简介：摘要基于模糊概念格和汽车评价知识的融合研讨，在本章中我们对构建汽车评价知识库的一些基本流程进行了解释和说明，并通过实例进行了演示，也对构建过程中对知识库产生影响的相关参数进行了探讨与分析。

简介：近几年，由于电子商务迅猛发展，推荐系统逐渐成为了最热门的竞争手段。目前，推荐系统主要包括三个方面的推荐：热卖产品推荐、新产品上市推荐和相关产品推荐等。文章关注相关产品推荐，也就利用数据挖掘技术在大量的历史销售记录数据中进行挖掘，找出隐藏在不同的商品之间的相关信息，用动态网页的形式向用户推荐。文章采用FP—tree关联规则算法实现对客户信息的数据挖掘，并将其应用在推荐系统中。