导读:本文包含了关联规则论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:规则,算法,矩阵,汽轮,关节炎,数据处理,类风湿。
关联规则论文文献综述
王妍[1]（2019）在《基于关联规则的自适应学习》一文中研究指出本文提出了基于关联规则的知识应学习理论,该理论将具体的人工智能算法引入到了自适应学习系统当中去。用关联规则理论,计算出学习内容的相关性,计算出置信度和支持度的阈值,从而智能的计算出相关知识点关联规则,为学习者安排更适合的学习内容,知识脉络,以更好的提高学习效率。(本文来源于《计算机产品与流通》期刊2019年12期）
龚晨,王诗兵[2]（2019）在《基于集合和剪枝原理的关联规则隐藏算法》一文中研究指出针对传统关联规则隐藏算法直接遍历数据集,而导致输入输出流资源浪费的问题,提出一种基于集合和剪枝原理的关联规则隐藏算法。该算法首先建立频繁模式树(FP-tree),利用后剪枝原理去除属性相同规则,减少了遍历原始数据集所耗I/O时间;然后通过建立集合来保存真实频繁序列,并以集合为单位隐藏关联规则,既保证数据集质量,又提高频繁序列挖掘效率。实验结果表明,该算法与GSP、SPADE算法相比较,不仅更好地保证了数据集的高质量,而且降低了20%～50%频繁序列挖掘时间,并在隐藏敏感规则上有较好的实用性。(本文来源于《阜阳师范学院学报(自然科学版)》期刊2019年04期）
李佩,张红[3]（2019）在《基于关联规则的在线高考报名咨询个性化推荐系统》一文中研究指出高考志愿的填报是众多考生一次重要的人生抉择,它关系到考生的未来职业,关系到考生在校的学业成就,其中选择真正适合自己的专业方向显得尤为重要。设计了一个基于关联规则的在线高考报名咨询个性化推荐系统,采用J2EE技术架构。系统提供对高校信息、专业信息、高校往年招生情况等查询的功能,可根据考生录入信息为考生智能化地推荐高校,有助于考生选择合适自己的高校与专业。(本文来源于《计算机时代》期刊2019年12期）
王云,李丛[4]（2019）在《基于改进关联规则算法的警情数据分析》一文中研究指出针对传统Apriori算法挖掘警情数据的缺点,提出一种改进的Apriori算法。该算法首先在关联规则发现阶段引入权值参数,设计支持度阈值函数,以挖掘不常发生的重大案情发生规律;然后提出一种压缩矩阵优化算法,将数据压缩存储在只有0或1的矩阵中,并用2个数组来记录矩阵中每一行及每一列1的总数,可多次压缩矩阵,提升挖掘效率;最后将改进的算法用于实际的警情数据挖掘分析,给出关联规则挖掘结果。实验表明,改进算法不仅执行效率较传统算法有所提升,且针对警情数据的挖掘结果准确性也有所提高。(本文来源于《计算机与现代化》期刊2019年12期）
石慧,陈恩[5]（2019）在《Spark平台的分布式阶段自适应关联规则挖掘算法》一文中研究指出为满足日益增长的海量数据挖掘需求,迫切需要设计一种能够在多台机器上运行的分布式关联规则挖掘算法。Apriori这种高度迭代算法在Hadoop平台上运行时每次迭代执行大量的磁盘I/O操作,大大影响并限制了算法的运行效率。本文利用Spark对分布式计算内置支持的特点,在Spark平台上设计并实现一种分布式关联规则挖掘算法,称为阶段式自适应挖掘算法(Staged Adaptive Apriori)。算法使用自适应的数据集部分处理的策略对频繁项集进行高效挖掘,在每次迭代前初步评估执行时间,并采用较为合适的方法来减少时间和空间的复杂性,是一种基于数据集性质的自适应关联规则挖掘算法。实验结果表明了算法的有效性。(本文来源于《计算机与现代化》期刊2019年12期）
阎婷,吴文华,严丽娜,万征[6]（2019）在《基于C-D的关联规则兴趣度挖掘算法》一文中研究指出传统的关联规则算法是针对关联关系计算它们的支持度和置信度来判断它们的关联程度,看它们之间是否具有很好的兴趣度。这里给出一种新的计算关联规则兴趣度的方法——基于坐标的距离关联规则兴趣度挖掘方法。此方法是一种基于坐标的关联规则度量方法,利用关联规则在坐标中的位置和坐标中关联规则的极限位置,根据距离的大小度量兴趣度大小。算法采用SQL SERVER作为存放数据库,以VC++作为开发环境,对新兴趣度进行测试,验证了算法的正确性。(本文来源于《通信技术》期刊2019年12期）
陈梦娜,刘健,齐亚军,任磊,江宇航[7]（2019）在《基于关联规则和聚类分析挖掘刘健教授治疗类风湿关节炎的用药规律》一文中研究指出目的:应用关联规则和聚类分析对刘健教授治疗类风湿关节炎的处方用药进行分析,探讨其治疗本病的用药规律。方法:收集刘健教授治疗类风湿关节炎患者的4600首处方,应用Excel 2015建立数据库归纳数据,进行频数分析,使用SPSS 23.0、SPSS Modeler 14.2进行数据挖掘。结果:①健脾化湿药、清热解毒药、活血化瘀药、祛风除湿药4类为刘健教授常用药物,大部分药物使用频率高达50%。②关联规则得出置信度与关联度较高的药物组合:红花-桃仁,蒲公英-白花蛇舌草,陈皮-姜半夏等。③聚类分析得出,红花、桃仁、茯苓、陈皮、丹参、甘草、薏苡仁、蒲公英、威灵仙、山药、豨莶草、白花蛇舌草、泽泻,鸡血藤,麦芽、忍冬藤,杜仲、白术、黄芩,姜半夏等5组。结论:刘健教授治疗类风湿关节炎用药特点鲜明,强调从脾论治,并配伍活血化瘀、清热解毒、祛风除湿类中药,同调肝脾肾,补虚泻实,标本兼治。(本文来源于《风湿病与关节炎》期刊2019年11期）
田松峰,刘佳星,郁建雄,张泽,王兴[8]（2019）在《基于SPSS挖掘电厂参数关联规则》一文中研究指出针对某电厂2#汽轮机组会产生大量运行监测数据的情况,提出采用Apriori关联规则挖掘数据,以SPSS数据处理软件为载体,对机组负荷、主汽压力、主汽流量与轴心偏心等参数进行挖掘,得到运行参数间的强关联规则,判断机组状态,实现电厂数据的高效利用,将该方法用于电厂实际数据,结果表明,设置合理最小置信度与最小支持度,从预处理后的数据中可以挖掘到36条强关联规则,为机组管理与机组考核提供依据。(本文来源于《节能》期刊2019年11期）
艾楚涵,姜迪,吴建德[9]（2019）在《基于主题模型和关联规则的专利文本数据挖掘研究》一文中研究指出如何从海量的专利信息中挖掘出不同专利之间隐含的关联关系是很多专利管理系统迫切需要解决的问题.本文从专利文本的摘要出发,提出一种基于Apriori和引入LDA主题模型的专利文本分析方法.首先,采用Apriori算法对数据降维,挖掘关键词和主题词之间的关联规则并根据规则绘制共享主题网络图,然后使用LDA主题模型对离散化的专利-主题词矩阵进一步线性降维,并将主题聚类,得到主题细分下的高频词主题,最后结合两种分析方法的结果对专利文本进一步挖掘分析.本文所使用的方法能够有效地挖掘出专利文本数据间的关联,可以为专利间的关联推荐提供思路和应用参考.(本文来源于《中北大学学报(自然科学版)》期刊2019年06期）
潘俊辉,张强,王辉,王浩畅[10]（2019）在《一种基于压缩矩阵的高效关联规则挖掘算法》一文中研究指出论文针对改进后的关联规则挖掘算法——基于矩阵的Apriori算法所存在的不足,在此算法的基础上对其进行了进一步的改进,给出了一种基于压缩矩阵的高效关联规则挖掘方法CMEAR算法。该方法通过对矩阵的压缩,改进矩阵的存储方式及对项目集进行排序等多种方式实现关联规则的挖掘。最后通过实验将该方法与传统Apriori算法以及基于矩阵的Apriori算法进行了对比分析,实验结果表明基于压缩矩阵的高效关联规则挖掘方法使算法在时间性能上有很大的提高。(本文来源于《计算机与数字工程》期刊2019年11期）
关联规则论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统关联规则隐藏算法直接遍历数据集,而导致输入输出流资源浪费的问题,提出一种基于集合和剪枝原理的关联规则隐藏算法。该算法首先建立频繁模式树(FP-tree),利用后剪枝原理去除属性相同规则,减少了遍历原始数据集所耗I/O时间;然后通过建立集合来保存真实频繁序列,并以集合为单位隐藏关联规则,既保证数据集质量,又提高频繁序列挖掘效率。实验结果表明,该算法与GSP、SPADE算法相比较,不仅更好地保证了数据集的高质量,而且降低了20%～50%频繁序列挖掘时间,并在隐藏敏感规则上有较好的实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
关联规则论文参考文献
[1].王妍.基于关联规则的自适应学习[J].计算机产品与流通.2019
[2].龚晨,王诗兵.基于集合和剪枝原理的关联规则隐藏算法[J].阜阳师范学院学报(自然科学版).2019
[3].李佩,张红.基于关联规则的在线高考报名咨询个性化推荐系统[J].计算机时代.2019
[4].王云,李丛.基于改进关联规则算法的警情数据分析[J].计算机与现代化.2019
[5].石慧,陈恩.Spark平台的分布式阶段自适应关联规则挖掘算法[J].计算机与现代化.2019
[6].阎婷,吴文华,严丽娜,万征.基于C-D的关联规则兴趣度挖掘算法[J].通信技术.2019
[7].陈梦娜,刘健,齐亚军,任磊,江宇航.基于关联规则和聚类分析挖掘刘健教授治疗类风湿关节炎的用药规律[J].风湿病与关节炎.2019
[8].田松峰,刘佳星,郁建雄,张泽,王兴.基于SPSS挖掘电厂参数关联规则[J].节能.2019
[9].艾楚涵,姜迪,吴建德.基于主题模型和关联规则的专利文本数据挖掘研究[J].中北大学学报(自然科学版).2019
[10].潘俊辉,张强,王辉,王浩畅.一种基于压缩矩阵的高效关联规则挖掘算法[J].计算机与数字工程.2019
论文知识图
