导读:本文包含了非频繁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,频繁,权重,算法,数据挖掘,阈值,正负。
非频繁关联规则论文文献综述
阮梦黎,吴磊[1]（2018）在《基于双阈值Apriori算法和非频繁项集的关联规则挖掘方法》一文中研究指出针对从数据集中的正负关联规则挖掘问题,提出一种基于双阈值Apriori算法和非频繁项集的挖掘方法。首先,对通过逆文档频率(IDF)对语料库中的项(项集)进行加权,筛选出前N%的项集;然后,通过提出的双支持度阈值Apriori算法来提取频繁项集和非频繁项集,以此降低非频繁项集的数量;最后,通过置信度和升降度阈值的判断,分别从频繁项集和非频繁项集中挖掘正负关联规则。其中,创新性地利用了非频繁项集来挖掘正负关联规则。在一个医学文本数据集上的实验结果表明,提出的方法能够有效地挖掘出正负关联规则,且能够大大降低项集和规则数量。(本文来源于《计算机应用研究》期刊2018年12期）
吕诚[2]（2013）在《基于K-频繁关联规则分簇算法在嵌入式系统中的实现与应用》一文中研究指出自20世纪60年代以来,随着计算机、网络和通讯等信息技术的迅速发展,电子商务、办公自动化、管理信息系统、互联网的普及与应用,使得人们积累的数据越来越多,要想从海量的数据中得到有用的信息与知识,传统的数据分析手段已难以满足需求了,这就产生了一种矛盾,即快速的数据产生、存储、搜索与相对落后的数据分析方法之间的矛盾,同时在嵌入式领域,随着科技的稳步发展,包括嵌入式微机在内的硬件性能也都得到长足的发展。因此,为了充分利用现有的硬件发展机遇,提高数据挖掘的效率,本文以零售业为研究背景,在嵌入式微机上,开发一个小型的数据挖掘系统,该系统采用数据挖掘中的关联规则挖掘技术作为分析手段,由于经典的Apriori算法效率低下,难以在嵌入式设备中推广,所以文中提出了一种新的关联规则算法：K-频繁关联规则分簇算法。新算法的提出有效的避免了Apriori算法效率不高的缺点。应用该算法设计的嵌入式微型系统能够进行高效的数据挖掘处理,挖掘出的关联规则,为零售商制定商品货架设计、货物存储安排以及分析购买模式提供重要的信息。本文实现了嵌入式技术与数据挖掘技术的有效结合,使得在小型嵌入式设备上进行数据挖掘成为了可能。(本文来源于《云南大学》期刊2013-06-01）
冯楠,李敏兰,庄丽丽,王荣,吴翔晖[3]（2012）在《加权非频繁关联规则挖掘算法在物流中心选址的应用》一文中研究指出本文在Apriori算法的基础上进行改进,利用多重最小支持度解决了物流中心选址中非频繁项目的挖掘;同时提出权重法对Apriori算法优化,解决了项目集的重要程度不一致的问题。并通过实际的例子证明了改进的Apriori算法有效的提高了电子商务中物流中心选址的正确性。(本文来源于《电子制作》期刊2012年12期）
刘松[4]（2006）在《一种非频繁关联规则挖掘算法》一文中研究指出针对关联规则挖掘问题提出一种新的算法,探讨商品与利润间的关系,称为权重式多重支持度关联规则挖掘算法。此算法可针对不同利润的商品定出不同的支持度阈值,由此产生的关联规则,可以解决高单价但交易次数稀少的商品不易被挖掘的问题。(本文来源于《微计算机应用》期刊2006年05期）
高法钦[5]（2003）在《非频繁关联规则挖掘的研究》一文中研究指出本论文研究数据挖掘的典型理论和一些急待研究、发展的课题，并将研究重点放在非频繁关联规则挖掘上。 简单的说，数据挖掘是从大量数据中提取或挖掘知识。 数据挖掘是计算机科学一个活跃的研究领域，出现于80年代后期，从多门学科发展起来，这些学科包括数据库技术、人工智能、统计学等。 关联规则挖掘是数据挖掘的一项重要功能，首先由Agrawal.等在1993年提出，用于发现大规模数据集中项集之间有趣的联系或规则。关联规则挖掘在分析零售店中消费者的购买模式、决策分析和商务管理方面是有用的。现在，关联规则挖掘已经成为理解数据的流行工具。 论文中介绍了关联规则挖掘的典型算法：Apriori算法、FP-G算法和多层关联规则挖掘算法。论文中还总结和介绍了关联规则挖掘近几年的一些重要的研究成果如运用多重相似查询技术提高数据挖掘效率、运用Apriori算法挖掘量化关联规则、基于集体度——置信度框架的关联规则挖掘、挖掘互依赖模式等。 关联规则挖掘面临着一些问题需要解决，本文研究了如下几个问题：非频繁关联规则挖掘、提高挖掘过程的交互性和自动化水平，每一个问题都给出了相应的算法模式或方法。在非频繁关联规则挖掘方面，本文重点研究了基于相似度——置信度的关联规则挖掘，并成功提出了一个算法模式(扩展算法)和一些相关理论。在提高挖掘过程的交互性和自动化水平方面，重点研究了如何用插值与逼近的方法自动确定支持度／置信度阈值，研究并阐述了将牛顿插值法用在关联规则挖掘中自动确定支持度／置信度阈值的方法和一些注意事项，并给出了详细的实验例子。(本文来源于《山东科技大学》期刊2003-05-01）
非频繁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：
自20世纪60年代以来,随着计算机、网络和通讯等信息技术的迅速发展,电子商务、办公自动化、管理信息系统、互联网的普及与应用,使得人们积累的数据越来越多,要想从海量的数据中得到有用的信息与知识,传统的数据分析手段已难以满足需求了,这就产生了一种矛盾,即快速的数据产生、存储、搜索与相对落后的数据分析方法之间的矛盾,同时在嵌入式领域,随着科技的稳步发展,包括嵌入式微机在内的硬件性能也都得到长足的发展。因此,为了充分利用现有的硬件发展机遇,提高数据挖掘的效率,本文以零售业为研究背景,在嵌入式微机上,开发一个小型的数据挖掘系统,该系统采用数据挖掘中的关联规则挖掘技术作为分析手段,由于经典的Apriori算法效率低下,难以在嵌入式设备中推广,所以文中提出了一种新的关联规则算法：K-频繁关联规则分簇算法。新算法的提出有效的避免了Apriori算法效率不高的缺点。应用该算法设计的嵌入式微型系统能够进行高效的数据挖掘处理,挖掘出的关联规则,为零售商制定商品货架设计、货物存储安排以及分析购买模式提供重要的信息。本文实现了嵌入式技术与数据挖掘技术的有效结合,使得在小型嵌入式设备上进行数据挖掘成为了可能。
（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。
非频繁关联规则论文参考文献
[1].阮梦黎,吴磊.基于双阈值Apriori算法和非频繁项集的关联规则挖掘方法[J].计算机应用研究.2018
[2].吕诚.基于K-频繁关联规则分簇算法在嵌入式系统中的实现与应用[D].云南大学.2013
[3].冯楠,李敏兰,庄丽丽,王荣,吴翔晖.加权非频繁关联规则挖掘算法在物流中心选址的应用[J].电子制作.2012
[4].刘松.一种非频繁关联规则挖掘算法[J].微计算机应用.2006
[5].高法钦.非频繁关联规则挖掘的研究[D].山东科技大学.2003
论文知识图
