基于数据挖掘的电子商务商品推荐

随着电子商务网站商品信息量的增加,目前的商品搜索的很多弊端已经显现出来,它已经不适合电子商务的高速发展。本文将提出基于数据挖掘技术的个性化商品推荐的模型。它具有发掘潜在客户,增加销售机会的功能。并改进了其中的Apriori算法,改进后的算法我们暂称为New-Apriori,它具有更高的效率和准确度。     

基于数据挖掘Apriori算法实现与应用

本文主要对数据挖掘的有关算法进行学习与应用。首先介绍了这些算法的基本思想和算法步骤,然后运用这些算法进行实际问题的求解。本文着重介绍的是关联规则的Apriori算法。对Apriori算法,用其对当下高等学校排课的问题进行求解。     

基于数据挖掘的混合式入侵检测模型及分析

文中简单的介绍了数据挖掘技术和入侵技术,详细介绍了基于混合式入侵检测模型,分别对数据采集模块、数据预处理模块、数据挖掘模块进行了分析,并对模型进行了试验分析,实验结果表明：采用改进的关联分析Apriori算法运用于数据挖掘具有很高的准确性,最小支持度阈值较小时,检测率较高,误报率也高,最小支持度阈值较大时,检测率较低,误报率也低。     

Apriori算法在数字化校园Web数据挖掘中的使用

校园内各部门网站每天都会更新很多的数据,数据挖掘技术在发现对师生行为分析及预测起到了举足轻重的作用。Apriori算法在数字化校园中Web数据挖掘的使用,重点研究了关联规则和Apriori算法,从而有效提高学校的办公效率。     

基于云计算技术的数据挖掘

基于单一节点的数据挖掘系统在处理海量数据集时存在计算瓶颈,针对该问题,提出了一种基于云计算技术的数据挖掘方法:将大数据集和挖掘任务分解到多台计算机上并行处理.在对经典Apriori算法MapReduce化后,建立了一个基于Hadoop开源框架的并行数据挖掘平台,并通过对餐饮系统中点菜单的数据挖掘工作验证了该系统的有效性.实验表明,在集群中使用云计算技术处理大数据集,可以明显提高数据挖掘的效率.     

数据挖掘中改进的Apriori关联规则算法分析

首先介绍了Apriori关联规则算法及其缺陷,然后对其加以改进,并分析了改进后算法的原理、框架、步骤等。     

数据挖掘中改进的Apriori关联规则算法分析

首先介绍了Apriori关联规则算法及其缺陷,然后对其加以改进,并分析了改进后算法的原理、框架、步骤等。     

数据挖掘中Apriori算法在零售业中的应用

随着网络时代的飞速发展,我们每天都要接触到大量数据信息,与其说我们生活在信息时代,不如说我们生活在数据时代。来自商业与社会、科学和工程,以及我们日常生活的方方面面的数兆字节或是千兆字节的数据注入我们的计算机网络、万维网和各种数据存储设备,世界范围的销售事务、股票交易记录、公司利润和业绩以及顾问反馈等商业活动产生的巨大的数据集正呈现几何级增加、爆炸式增长。如何合理使用并有效分析这些数据,如何在零售业中采用Apriori算法进行数据挖掘,正是本文要讨论的内容。     

基于关联规则的Web挖掘技术研究

关联规则是Web挖掘中一个重要的研究领域。为了挖掘出隐藏在数据间的相互关系,将关联规则的概念引入到Web挖掘系统中,把用户的访问路径以关联规则的形式表现出来。基于Apriori算法的思想,给出了适合Web挖掘用户访问的新Apriori算法规则及其模式,最后将结果在一些较简单的网页上进行了验证,取得了较好的应用效果。     

一种基于云计算的关联规则改进研究

随着数据挖掘技术的成熟,其中关联规则在大规模数据中的应用成为了目前的热点.为了提高在大规模数据下进行数据挖掘的效率,在MapReduce中通过引入归并函数Fusion来提高执行剪枝任务的效率并进行了优化研究,提出了一种基于云理论的关联规则Apriori算法,详细论述了实现的过程以及关键技术.通过实验表明,该方法取得了良好的实验效果,克服了Apriori算法耗时多、识别率低下等问题,是实现在大规模数据进行数据挖掘的实用工具.     

数据挖掘Apriori算法的改进

为了解决数据挖掘中关联规则Apriori算法存在的缺陷,提出了一种全新的基于对候选项集处理的改进算法。该算法主要采用一次扫描数据库和对候选项集进行计数处理的方法,实现了减少执行时间以及计算量的目的。实际应用表明,改进后的Apriori算法具有操作简便、测试准确的特点,达到了提高数据挖掘效率和准确性的要求。     

基于关联规则的Web日志挖掘算法研究

关联规则挖掘是数据挖掘研究领域中的一个重要的方法,旨在挖掘事务数据库中有趣的模式。阐述了Web日志挖掘和关联规则的基本内容,分析了经典Apriori算法的不足之处,提出了改进的算法。另外,利用论坛Web日志数据进行了对比实验,实验结果表明改进后的算法性能有较大提高。将改进后的算法应用于网络论坛的日志挖掘,找出用户的个性化访问模式,从而提高论坛的服务质量。     

基于Web服务的分布式数据挖掘系统探究

计算机网络技术的不断发展,使得我国各个产业的发展更加顺利,对于经济水平的增长也有着积极促进作用,因此,为了能够使其更好的发挥作用,全面的分析和掌握其这种服务的情况与技术,是非常必要的。文章主要是针对基于Web服务的分布式数据挖掘系统进行研究,希望能够为人们提供一些帮助和建议。     

基于大量数据分析电信网络资源状况的自动化模型

在电信网络结构日趋复杂,运维工作日益繁多的情况下,运营商若想提高网络质量和服务水平,而且还要控制运维成本,最好的办法就是使很多工作高度自动化和智能化.本文基于用户使用数据业务产生的大量数据,建立了达到业务精度的分析电信网络资源状况的自动化模型,可以及时、客观、更能体现用户感知地为网络维护和网络优化提供决策信息.     

大数据量下的Apriori改进算法及在weka平台的实现

文章在分析关联规则和Apriori算法原理的基础上,针对Apriori算法扫描数据库时由于事务数过大,导致系统的I/O负载和CPU运算压力过大等弊端,提出一种主要针对大数据量情况下Apriori算法性能提升的改进算法。主要思想是通过抽样和事务压缩来减少算法需要扫描的事务数,进而提升算法的效率。同时,基于主流的weka开源数据挖掘工具实现了改进算法。实验结果表明了算法的有效性。     

Web数据挖掘技术与XML

Web数据挖掘是数据挖掘技术与Web相结合的产物。在深入分析了Web数据挖掘的基本概念、分类、具体的应用及XML的特点后，讨论了如何用XML来解决Web数据挖掘中的相关问题。     

混合大数据算法分析营销大数据客户用电行为

针对现有技术分析客户用电行为速度慢、效率低下的问题,提出了新型的大数据算法.该方案采用混合大数据算法实现营销大数据客户用电行为的多种分析,在Apriori算法模型的技术上融入改进型K-means均值聚类算法,通过采用极限学习机(Extreme Learning Machine,ELM)原理,实现营销大数据客户用电行为的...     

基于关联规则的网络数据集的挖掘应用研究

网络的迅速发展使得网络流量越来越大,这对于网络管理员的网络分析工作提出新的挑战.数据挖掘是可以从海量数据中挖掘出有意义的、无法通过一般的查询统计得到的数据模式的过程.文中对关联规则的相关概念和Apriori算法进行了分析,阐述了如何运用Apriori算法对网络数据集进行挖掘的过程,详细介绍了进行数据预处理、字段编码的方法,并在设置合适的支持度进行挖掘方面作了探论.