遗传算法在多维多层关联规则挖掘中的应用

关联规则生成是数据挖掘技术中一个非常重要的研究领域,自1993年提出经典频集算法后,出现了很多以此为基础进行了改进的算法,但都存在着明显的缺陷．文章中根据遗传算法的基本思想以及关联规则挖掘的有关理论构造了一种生成多维多层关联规则的遗传算法,在一定程度上克服了经典频集算法的不足之处,提高了生成关联规则的有效性．     

应用聚类分析对关联规则进行分组

关联规则是要从大量的数据中找到数据之间的规律，但有时所产生的规律十分繁多，从而形成新的知识管理问题。针对该问题本文提出了一个新的算法，该算法利用系统聚类分析方法对规则进行分组，从而可更好地帮助用户解所发现的规律，该方法的距离（RatioD）是基于关联规则本身，因此，可对规则进行高效地分组。实验结果表明，该算法是有效的。     

WEB访问信息挖掘中的关联规则发现算法的研究

本文采用了一种快速算法Aprioti，将传统数据挖掘技术中的关联规则发现技术引入web数据挖掘，并针对在Web应用的特点进行了改进，有效地提高了求高频站点集的效率。     

外关联规则挖掘

根据项集内项的关联性,现有关联规则挖掘算法可分为正关联规则挖掘和负关联规则挖掘两大类,它们反映的是项集内频繁项之间的关联性。通过对实际数据集的分析发现,一个项集可以划分成若干子项集,子项集内的项有较高的相关性,而不同的子项集相关性则较低,这意味着每个子项集与其外部的一个潜在因子间存在着关联,由此本文提出了外关联规则的概念,并基于因子分析和主成分分析方法,提出了外关联规则挖掘算法(FAAR),从而将项集内的关联规则挖掘外推到子项集和潜在因子集之间的外关联规则挖掘,扩展和丰富了关联规则挖掘的应用,在此基础上还可进一步发现它所蕴涵的正、负关联规则。     

挖掘周期性一般关联规则

在事务数据库中的周期性一般关联规则可以揭示类的不同层次之间的关系和呈现周期性变化。这些信息对于识别在关联中的趋势和预测非常有用。由于数据噪声对发现周期性一般关联规则的巨大影响 ,文中用噪声比来抑制数据噪声对发现周期性一般关联规则的影响。同时根据对周期性与一般高频集之间关系的分析 ,利用周期裁剪技术来节省挖掘时间 ,给出了 (Cyclic general-ized itemsets,CGI)算法。实验证明 ,该算法可高效地发现周期性一般关联规则。     

基于数据挖掘的飞机系统故障关联规则研究

为在日常运行中降低飞机系统故障率,提高飞机运行的可靠度,运用Apriori算法挖掘飞机系统故障间的关联规则.首先从2010-2019年间有记录的空客A320和波音B737系列飞机故障案例中提取有效数据,建立原始数据库;然后使用Apriori算法建立飞机系统故障关联规则挖掘模型,确定最小支持度和置信度;最后,使用MATL...     

项目教学法在模拟电子技术课程中的应用

在《模拟电子技术》课程采用项目教学法,通过科学设计教学内容,合理遴选项目载体,师生共同参与教学过程,实施教学做一体化教学,有效地激发学生的学习兴趣,提高人才培养质量。     

高校礼仪课程教学规范研究

为提高大学生的礼仪素养,众多高校都开设了礼仪课程。但在当前的教学中,并没有很好地达到礼仪教学预先设定的目标。课题组对海南高校开设礼仪课程的教学情况进行了调查,对调查结果进行综合分析之后,认为应在规范礼仪教学内容、改进礼仪教学方法及改革课程考核方式等方面着手,对礼仪教学进行规范。     

基于模糊ISODATA*的关联规则聚类算法

在对模糊ISODATA算法分析的基础上,提出了一种适用于关联规则聚类ISODATA^*算法。本文首先分析了距离聚类的不足,然后结合关联规则的表示形式,提出了基于属性权重实现规则聚类的思想,并给出了相应的实现算法。最后采用国际上的UCI数据库进行了实验。实验表明该算法能有效地对关联规则进行聚类。     

一种新的空间多维关联规则模型与算法

空间对象具有自相关、连续性、多尺度等特点,导致空间关联规则挖掘与传统的统计关联规则挖掘不同,不存在统计的“事务”,挖掘更加复杂。本文用基于空间相关的影响域来创建“空间事务”,以代替传统关联规则挖掘中的事务,建立了一种新的应用于挖掘空间多维数据的空间多维关联规则模型(Spatial multidimensional association rules model,SMARM)。设计并实现了一种新的挖掘算法SMARBIA,用基于影响域、空间支持度等剪枝技巧,克服了空间多维关联规则挖掘过程中候选项目集庞大的困难。实验表明,该算法能有效地减少候选项目集而获得较好的性能。     

一种改进的隐私保护关联规则挖掘算法

部分隐藏的随机化回答方法是基于关联规则数据挖掘的隐私保护算法,针对该算法在重构频繁项集支持度上的指数级时间复杂度导致算法执行效率下降的不足,采用分治策略和集合运算方法对该算法进行改进,消除重构数据的指数级运算。改进算法降低了算法的时间复杂度并有效提高了执行效率。仿真实验与分析表明了改进算法的有效性。     

行为导向教学法在高职机械制图课程教学中的应用

行为导向教学法强调师生互动,强调教学与实践紧密结合,注重以学生为主体。在《机械制图》课程教学中引入行为导向教学法,可运用任务教学法、案例教学法、项目教学法、现场教学法、小组研讨法,提高学生的综合职业能力。     

基于数据分析的飞行实践考试不通过关联规则挖掘

飞行实践考试是对飞行学员飞行训练效果的综合检验,是航空人才培养过程中的重要环节。为探究飞行学员飞行实践考试不通过的关键诱因,降低飞行实践考试不通过率,本文使用Apriori数据挖掘算法对飞行实践考试不通过的实测数据进行建模,从人、机、环、管四个方面分析飞行实践考试挂科的原因,旨在为提高飞行实践考试通过率提供参考。     

多时间序列关联规则分析的论坛舆情趋势预测

为了预测论坛舆情及其动态演变趋势,基于多时间序列的关联分析,集中分析了论坛中3个量的时间序列之间的关联规则:活跃者之间的关系强度的时间序列、坚定支持者人数的时间序列以及坚定支持者成员的变化频度的时间序列。然后给出了一种新的基于多时间序列关联分析的论坛舆情预测算法(Forum sentiment trend prediction based on multi time series association rule analysis,TPMTSA),并在真实数据集和拟合数据集上进行了大量的实验。结果表明:TPMTSA算法具有有效性和较高的运行效率。研究结果可用于论坛舆情预警监控。     

基于核心问题导向的教学方法在实践课程中的应用

课程建设是学校学科建设的重要内容之一。针对《机场管制模拟训练》课程,围绕教学内容、教学方法、教学管理等方面分析现有教学环节中存在的不足,提出了基于核心问题导向的教学方法并开展课程建设。在教学模式上,提出“核心问题、知识范围、技能操作、情景意识”的四维知识重构方法,采用分享实践教学管理模式组织课程。教学实践表明,核心问题导向的教学方法有助于学生职业技能的提高和专业素养的培养。