导读:本文包含了正负关联规则论文开题报告文献综述及选题提纲参考文献，主要关键词:不同区域,艾森克人格问卷,心理特征,关联规则
正负关联规则论文文献综述
栾志玲[1]（2019）在《EPQ数据中正负关联规则的挖掘及分析》一文中研究指出人对所在地区的依附是一种多层次、复杂的现象,它包含了人地关系的多个方面。目前的人地依附研究主要集中在人文地理学方面。然而,本文通过对大量文献的综合分析发现,关于人地心理学的研究才刚刚起步,对成人心理因素和所在区域的依附关系以及每个心理特征之间的关联关系研究还处于空白阶段。对成人心理的区域依附研究,不仅能够促进人地区域依附理论的发展,而且提供了分析人心理特征的新途径。本文引入正负关联规则挖掘技术,采用艾森克人格问卷简式量表作为分析对象,加入了年龄、性别、地区等因素,进行人地心理学依附的数据分析,分析了不同地区的年龄、地区和EPQ数据之间的关系。根据来自4个不同国家的EPQ数据的数据分布特性和挖掘得出的正、负关联规则,分析了不同人群的心理特征,为进一步分析区域依附心理问题提供依据和有效的解决方法。(本文来源于《佳木斯职业学院学报》期刊2019年06期）
梁宝华,岳俊辉[2]（2018）在《高校课程学习兴趣正负关联规则分析》一文中研究指出高校日常的教学管理数据中隐藏着很多重要信息,但未能得到充分利用。文章给出一个关联规则挖掘模型,特别是引入负关联规则,可以发现相互促进影响的因素和相互抑制发生的现象。并将此模型应用于挖掘影响"英美文学学习兴趣"的相关因素,有利于改善教学过程管理,提高教学效果。(本文来源于《巢湖学院学报》期刊2018年04期）
陈柳[3]（2018）在《基于多级置信度阈值的正负关联规则挖掘研究》一文中研究指出关联规则挖掘是数据挖掘领域中一个重要的研究方向。它揭示了数据集中项集之间的有趣关联关系,具有重要的理论价值和广泛的应用前景。然而,大多数的关联规则挖掘仅研究了数据项集之间的正向关联关系,对于隐藏在数据集中的项集间的负向关联关系,没有引起足够的重视。但是,在实际应用中,项集间的负向关联关系能为决策者提供更多有价值的决策信息。因此,正负关联规则挖掘的研究具有重要的现实意义。本文对正负关联规则挖掘的基本理论进行了讨论,深入地分析了有效正负关联规则挖掘算法设计的关键要素,总结了现有挖掘算法的不足。现有的基于多级置信度阈值的正负关联规则挖掘算法难以有效地设置多个置信度阈值来控制无趣规则的数量,提取出可信度高的规则。并且它们在挖掘过程中还容易遗漏一些有趣的关联规则。对此,本文对基于多级置信度阈值的正负关联规则挖掘算法进行了深入的分析和研究,取得如下研究成果:(1)结合项集相关性,系统地分析了正负关联规则置信度随规则的项集支持度大小变化的特点。据此特点提出了一种新的正负关联规则两级置信度阈值设置方法TCTPN。理论分析和实验对比结果表明,新方法不仅可以更好地确保提取出的关联规则有效和有趣,还可以显着降低可信度低的关联规则数量。(2)提出了一个基于相关性度量Kulc和TCTPN的正负关联规则挖掘算法PNARKT。算法基于有趣正负关联规则前件和后件的正项集频繁的理论,通过对事务数据库中不相交的两个频繁项集进行相关性分析来产生强正负关联规则,从而减少了有趣规则的遗漏。同时,相关性度量Kulc和新置信度阈值设置方法TCTPN的结合可以保证PNARKT算法提取出的规则有趣、可信。理论证明和实验对比结果都表明,PNARKT算法不仅可以更好地避免有趣正负关联规则的遗漏,而且在零事务居多以及两个项集蕴含关系具有不平衡特点的事务数据库中,也能有效地提取出有趣的正负关联规则。(本文来源于《四川师范大学》期刊2018-03-25）
马彦勤,武彤,邓烜堃[4]（2018）在《基于兴趣度度量的正负关联规则挖掘方法研究》一文中研究指出传统的Apriori算法通过支持度阈值和置信度阈值的筛选来挖掘强关联规则,所挖掘出来的强关联规则并不都是有趣的,也忽略了负关联规则的挖掘,失去了负关联规则在决策分析中的重要作用。为了过滤强关联规则中的无趣规则,挖掘有趣的正负关联规则,引入了兴趣度的概念,对现有的几种兴趣度度量进行了研究,利用兴趣度度量的相关性质,提出了一种新的兴趣度度量。根据支持度、置信度、兴趣度的相关性质提出了相关定理并进行证明,用以挖掘有趣的正负关联规则。在新的兴趣度度量的基础上进行了算法设计,并采用真实数据集进行算法验证。结果显示,以提出的兴趣度度量为基础进行正负关联规则的挖掘是可行的,其结果比经典的Apriori算法挖掘方法更实用更有效。(本文来源于《计算机技术与发展》期刊2018年05期）
陈柳,冯山[5]（2018）在《正负关联规则两级置信度阈值设置方法》一文中研究指出针对传统正负关联规则置信度阈值设置方法难以控制低可信度规则数量和易遗漏有趣规则的问题,提出了一个结合项集相关性的两级置信度阈值设置方法(PNMC-TWO)。首先,基于规则的无矛盾性、有效性和有趣性考虑,以相关度-支持度-置信度为框架,从规则置信度与项集支持度的计算关系出发,系统地分析了正负关联规则置信度取值随规则的项集支持度大小变化的规律;然后,与实际挖掘中用户对高可信度且有趣的规则需求相结合,提出了一个新的设置模型,避免了传统方法设置阈值时的盲目性和随意性;最后,从规则数量和规则质量两方面对所提方法与原双阈值法进行了实验对比。实验结果表明,所提方法不仅可以更好地确保提取出的关联规则有效和有趣,还可以显着地降低可信度低的关联规则数量。(本文来源于《计算机应用》期刊2018年05期）
韩楠,乔少杰,宫兴伟,李天瑞,舒红平[6]（2017）在《面向正负关联规则的方剂配伍规律挖掘算法》一文中研究指出针对已有中药数据挖掘中药物间的配伍规律以及传统关联规则挖掘算法在发现方剂药物配伍知识方面存在的诸多不足,提出一种基于正负双支持度的关联规则挖掘算法.在频繁项集发现阶段,引入最大支持度以解决过频繁问题,通过建立负项频繁模式树进行递归挖掘,引入支持度计数矩阵提高了正负频繁项的发现效率.强关联规则发现阶段,通过设置合适的置信度阈值和采用互信息进行相关性分析判定药物项集的关联关系.实验结果验证了所提方法较传统关联规则挖掘算法在中药方剂配伍规律挖掘的时效性和准确性上有较大提高,为中药方剂的配伍规律探索和新药研发提供新思路.(本文来源于《小型微型计算机系统》期刊2017年07期）
吴琼,曾庆鹏[7]（2017）在《基于多目标烟花优化算法的正负量化关联规则挖掘》一文中研究指出为同时获得正负量化关联规则,并尽量减少人为干预的影响,在多目标烟花优化算法的基础上,提出一种正负量化关联规则挖掘算法。引入全面搜索关联规则,使用外部库存放非支配解,通过基于相似度的冗余淘汰机制保持库中关联规则的多样性,经多次迭代获得关联规则集合。实验结果表明,该算法无需人为指定支持度、置信度等阈值,一次运行后即可获得正负关联规则。此外,与Apriori算法及单目标进化算法相比,该算法在不同数据集上均可得到稳定的结果,能充分覆盖数据集,在可靠性、相关性及可理解性之间获得较好的均衡。(本文来源于《计算机工程》期刊2017年06期）
吴琼[8]（2016）在《基于多目标烟花算法的正负量化关联规则挖掘算法》一文中研究指出当前各种数据都呈现海量趋势,传统数据分析已无法应对人们从海量数据中发现知识的需求,于是各种新的数据挖掘技术应运而生。用于发现属性集之间有趣联系的关联规则挖掘是数据挖掘研究的重要组成部分,而其中的重要研究课题——量化关联规则挖掘,因其在商业等诸多领域的广泛应用,也越来越受到各界的关注。本文对比研究了当前国内外对于量化关联规则挖掘的研究现状及相关挖掘方法,在此基础上展开了对基于多目标烟花算法的正负量化关联规则挖掘算法的研究工作。首先,介绍了关联规则的基本概念、相关评估指标及相关挖掘算法,然后介绍了多目标优化问题的相关概念及解决方法,重点研究了关联规则现有挖掘算法中存在的不足,最后提出了基于多目标烟花算法的正负量化关联规则挖掘算法。该方法较现有的量化关联规则挖掘方法有如下改进:第一,能够同时获得正负量化关联规则,并将其作为多目标优化问题,同时优化多个目标,减少人为干预的影响,在多个目标间取得平衡;第二,设立了收缩机制,使关联规则更加精准;第叁,提出了基于相似度的冗余淘汰机制,能有效保持关联规则的多样性。为了验证该算法的有效性,在多个真实数据集上进行量化关联规则的挖掘分析。与其它类似算法相比,算法在不同数据集上均获得稳定的结果,能充分覆盖数据集,在可靠性、相关性及可理解性之间获得较好的均衡。(本文来源于《南昌大学》期刊2016-05-24）
周秀梅,翁家铭,李石君[9]（2016）在《完全加权正负关联规则算法及其在评教数据中的应用》一文中研究指出现有的完全加权关联规则挖掘算法没能解决挖掘技术问题,为此提出一种新的完全加权正负关联规则挖掘算法,并探讨了算法在高校评教数据挖掘中的应用.该算法采用新的模式评价标准挖掘有趣的频繁项集和负项集,进而从频繁项集和负项集中挖掘有效的完全加权正负关联规则模式,克服现有挖掘算法的缺陷.以真实的高校评教数据为实验数据测试集,理论和实验结果都表明,该算法比现有完全加权关联规则挖掘算法更有效、合理,具有更高的理论价值和应用前景.(本文来源于《内蒙古师范大学学报(自然科学汉文版)》期刊2016年02期）
郭燕萍[10]（2015）在《基于兴趣度的正负关联规则挖掘算法研究》一文中研究指出为了解决负关联规则挖掘中海量项集问题和一级剪枝策略效率不高的问题,本文在研究关联规则相关性和兴趣度的基础之上,提出了一种计算项集兴趣度的数学模型,引入了有趣2项集的概念,设计了基于兴趣度的项集剪枝和关联规则剪枝的二级剪枝策略及实现二级剪枝的正负关联规则挖掘算法。(本文来源于《农业网络信息》期刊2015年08期）
正负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：
高校日常的教学管理数据中隐藏着很多重要信息,但未能得到充分利用。文章给出一个关联规则挖掘模型,特别是引入负关联规则,可以发现相互促进影响的因素和相互抑制发生的现象。并将此模型应用于挖掘影响"英美文学学习兴趣"的相关因素,有利于改善教学过程管理,提高教学效果。
（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。
正负关联规则论文参考文献
[1].栾志玲.EPQ数据中正负关联规则的挖掘及分析[J].佳木斯职业学院学报.2019
[2].梁宝华,岳俊辉.高校课程学习兴趣正负关联规则分析[J].巢湖学院学报.2018
[3].陈柳.基于多级置信度阈值的正负关联规则挖掘研究[D].四川师范大学.2018
[4].马彦勤,武彤,邓烜堃.基于兴趣度度量的正负关联规则挖掘方法研究[J].计算机技术与发展.2018
[5].陈柳,冯山.正负关联规则两级置信度阈值设置方法[J].计算机应用.2018
[6].韩楠,乔少杰,宫兴伟,李天瑞,舒红平.面向正负关联规则的方剂配伍规律挖掘算法[J].小型微型计算机系统.2017
[7].吴琼,曾庆鹏.基于多目标烟花优化算法的正负量化关联规则挖掘[J].计算机工程.2017
[8].吴琼.基于多目标烟花算法的正负量化关联规则挖掘算法[D].南昌大学.2016
[9].周秀梅,翁家铭,李石君.完全加权正负关联规则算法及其在评教数据中的应用[J].内蒙古师范大学学报(自然科学汉文版).2016
[10].郭燕萍.基于兴趣度的正负关联规则挖掘算法研究[J].农业网络信息.2015