简介：目前在空间关联规则挖掘研究中,对数据的处理和算法的改进主要针对布尔关联规则挖掘,存在对空间关联规则的量化表示不够重视等问题.在FP-growth算法的基础上增加规则的事务信息,并使用模拟退火算法,对得到的规则进行进一步挖掘,得到量化空间关联规则.

简介：

简介：空间关联规则是空间数据挖掘的重要内容，其结果表明了各种空间对象之间的关联关系．本研究以福州地区作为试验区，以DEM、坡度、坡向等地形特征以及2009年福州地区土地利用现状作为基础数据，利用Apriori算法从中提取出地形特征与土地利用现状之间的关联关系，讨论并分析两者之间关联规则的提取结果及空间关联规则提取方法的优缺点；研究结果表明了2009年福州地区的土地利用现状分布，即林地多，耕地、住宅用地等偏少的情况，林地分布在各种地形上且与坡向之间无强关联性；而且对于不同的最小置信度和支持度，该算法所提取的结果有所不同，如何提高算法效率、合理的设置最小置信度和支持度以及提取结果的评价与解释等将是今后进一步研究的重点．

简介：以及证据对于待证事实是否具有证明性,在判断一项（间接）证据是否具有相关性时,证据虽然具有相关性

简介：摘要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。

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：摘要关联规则是数据挖掘中的一个重要问题，本文在研究关联挖掘的基础上，通过对过去客户的交易记录进行分析，建立关联规则，为客户提供商品推荐，从而也为电子商务网站店主提供正确的盈利导向。

简介：然后扫描数据库来确定Ck中那些k-项目集是频繁项目集,频繁k项集c的每一单个项目i所对应的频繁1项集{i}或者从L1中取,所以在利用FUP算法对关联规则进行更新时

简介：摘要：本文介绍了关联规则相关的重要技术及其技术发展路线，通过对关联规则相关专利进行分析，梳理出关联规则推荐技术重要的发展及趋势，并结合业内重要申请人的技术演进，对推荐系统的发展历程和呈现形态进行分析，预测未来关联规则推荐系统技术的发展新趋势。

简介：摘要：随着我国铁路建设进程的快速推进，路网规模的不断扩大，而我国能源相对稀缺，节能减排日益受到重视，铁路快速发展在带动经济增长的同时也引起了诸多能耗问题。铁路列车的行车调度指挥系统是确保列车运行安全和提高列车运行效率的核心中枢系统，是列车运行安全的保障。目前，相关研究多采用数学优化或系统仿真方法，在一定程度上优化调度调整策略，但此类方法具有较多的假设，往往难以充分挖掘调度策略的潜在信息。运用数据挖掘方法可以研究列车更为复杂的作用过程，更深入地解析调度策略与列车运行指标之间的规律。

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。