简介:传统的关联规则Apriori算法在产生频繁项集的过程中,需要多次扫描事务数据库以及多次扫描频繁项集,从而造成算法性能下降.为了减少扫描事务数据库以及频繁项集的次数,在生成的候选k项集中,除了存储项集item-set以及支持度计数count之外,加入事务标识符列表Tidlist属性,在生成频繁k项集时,可以直接通过Tid-list的交集得出事务标识符列表以及项集的计数,不需要去扫描事务数据库,从而可以有效地提高算法的性能.文中提出了一种改进的关联规则挖掘模型以及关联规则挖掘算法I-Apriori算法.实验证明,I-Apriori算法相比Apriori算法的执行时间有明显改进.
简介:当前,部分高校对大学毕业生的素质评估仍局限于文化课成绩,没有考虑学生其它方面的能力。为了完善这种片面评估,现利用一种改进的FP-Tree算法对学生的基本情况(包括:专业素质、思想道德素质、文学素质、身体素质、科研素质、社会实践素质、组织管理素质、创新等方面[1])进行规则挖掘,为家庭、学校更好地、有目的有方向地培养学生的各方面能力提供决策。本方法经校教务部门实践证明,切实可行,对教学管理具有指导作用。