导读:本文包含了数据挖掘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:关联规则,Apriori算法,LDA主题模型,专利
数据挖掘关联规则论文文献综述
艾楚涵,姜迪,吴建德[1]（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）
滕辉[2]（2019）在《药物不良反应多维关联规则数据挖掘分析》一文中研究指出目的构建分析甲状腺疾病类药物不良反应多维关联规则挖掘,为临床甲状腺类药物用药安全奠定基础。方法使用SQL构建起多维关联数据仓库,结合数据挖掘技术当中的关联规则来挖掘数据当中所存在的潜在的有价值的信息,比较2010年至2016年7年纵向多维关联规则的结果以及不同甲状腺疾病类药物横向比较结果。结果 2010年至2016年纵向比较结果显示51岁以上的老年人甲状腺类药物不良反应总体占比较高,女性不良反应占比较高,呈现出较强的叁维关联性;横向比较结果显示4类甲状腺类药物当中,甲硫咪唑药物不良反应最高,接下来依次为丙基硫氧嘧啶、左甲状腺素钠等。结论通过基于关联规则对甲状腺类药物不良反应情况进行统计分析,能够明确甲状腺类药物不良反应现状,并且构建起预警模型,减少今后不良反应事件的发生比率,值得推广使用。(本文来源于《第叁期荆楚学术研讨班座谈会论文集》期刊2019-11-18）
孙婷婷,朱向明,刘冬,张霞,张健[3]（2019）在《基于关联规则的数据挖掘在超重肥胖患者心脏构型超声数据模型中的初步研究》一文中研究指出目的通过对超重肥胖患者心脏构型参数与临床信息的数据挖掘,揭示出数据之间潜在、有价值的关联信息。方法选取受检者212例(正常体重受检者69例,超重患者84例,肥胖患者59例)作为研究对象,获取临床信息及心脏构型参数,采用关联规则(Apriori算法)进行挖掘分析,提取有效关联规则并优选出能反映超重肥胖人群心脏构型及其变化的特征性指标及相关影响因素,建立心脏构型超声数据关联规则模型。结果根据提取的有效关联规则显示,超重肥胖患者收缩期末左心房前后径、左心房面积、左心房容积、左心室心肌重量与正常体重受检者相比倾向于变大,年龄、肥胖程度以及肥胖病程与心脏构型的改变密切相关。结论数据挖掘在医疗大数据中提取隐藏的关联信息,有助于超重肥胖患者心脏构型变化的早期检测、早期预防及早期干预。(本文来源于《浙江医学》期刊2019年21期）
张慧清[4]（2019）在《关联规则数据挖掘技术在大学生体质健康研究中的应用》一文中研究指出研究目的:2017年公布的《中国学生体质监测发展历程》显示,中小学学生体质止跌回升,得到改善,但是大学生体质依然呈下降趋势,尤其是肥胖率持续上升。如何从根本上寻找有效途径帮助大学生培养积极运动态度,养成良好运动习惯,切实改善大学生体质已经成为高校体育教学改革的重要课题。教育部从2002年开始对全国学生进行体质健康测试,十几年间各高校都建立了完整的体质测试数据档案。面对历年积累下来的海量的学生体质测试数据,传统的数据处理分析方法很难深入探讨体质测试中各项指标之间错综复杂的相互关系,很难把握核心影响因素及其衍生影响。如何从大量数据中挖掘发现新信息,并以此提出更有效、更有价值的解决方案成为体质研究中的重点。数据挖掘是从大量原始数据中提取有价值的、事先未知的、隐含的、潜在有用并能被人理解的模式的处理过程,是发现新知识的重要手段,所以数据挖掘又被称为知识发现。常用数据挖掘的方法有关联规则、决策树、神经网络、Web页挖掘等,它们分别从不同的角度对数据进行挖掘,关联规则是其中最活跃的方法之一。本文运用数据挖掘技术中的关联规则法,对大学生各项体质测试指标的数据进行分析和挖掘,找出隐藏于数据表象下的有用的模式和规则,并据此提出有针对性的体育锻炼指导方案,在教学实践中进行检验和完善,最终形成有价值的、成熟的解决方案,为提高大学生体质健康水平提供了新的思路和途径。研究方法:数据挖掘法、实验法、数理统计法研究结果:大学女生全面均衡发展者较少,多数表现为单项短板型或双项短板型,部分女生整体素质薄弱,耐力素质、柔韧素质、力量素质亟待提高。有21%的总评为优秀的女生,表现为速度和力量耐力均优秀。有16%的总评为优秀的女生,表现为速度和柔韧性均优秀。有17%的总评为良好的女生,表现为心肺耐力及格、柔韧性优秀。女生中即使心肺耐力及格,但是力量耐力差或下肢爆发力差,总评成绩也仅为及格。有77%的总评成绩为不及格的女生,表现为心肺耐力、下肢爆发力、柔韧性均很差,属于体质弱势群体,需要进行适当的运动干预。研究显示引体向上合格,心肺耐力、柔韧性有一项优秀的男生,总评成绩为优,引体向上对男生体质总评成绩影响较大。有44%的总评为良好的男生,表现为心肺耐力及格、柔韧性优秀。有20%的总评为良好的男生,表现为速度及格、下肢爆发力优秀。体重指数超重或肥胖的男大学生,其心肺耐力、引体向上成绩直接影响着其总评成绩能否及格。综合分析,引体向上对学生体质评价的等级有较大影响,但是多数学生引体向上的成绩仅为合格,这表明引体向上一直是大学男生体质测试中整体得分偏低的一项。尤其在体重指数超重或肥胖人群中,有非常高的比例表现为心肺耐力不及格、引体向上不及格,这揭示出因肥胖导致的客观上的运动能力受限倾向非常突出。分析总结第一阶段挖掘得到的信息,认为女生需要着重提高心肺耐力、柔韧性,男生需要改善体重指数并着重提高心肺耐力、上肢力量。经过多次教学讨论,确定了一月一主题的校园系列体育活动开展方案,经过5个月的教学实践改革,实验结果显示:女生体质总评各等级均有所改善,除优秀、及格等级外,良好、不及格二个等级的提高经卡方检验显示差异具有显着性,达到实验前预期效果。男生体质总评除优秀等级外,其他叁个等级的提高经卡方检验显示差异具有显着性。男生的1000m跑、引体向上不及格人数下降明显,但是男生的体重指数、引体向上平均提高幅度仍未完全达到实验前预期效果。综合分析认为,利用数据挖掘得到的信息,能为教学实践提供有价值的理论依据。由于体质各项目间的关系错综复杂,同时存在动态的发展变化,因此有必要积累覆盖面更宽广的数据资料,进行更严谨的数据挖掘工作,以促进教学改革方案的指向性更明确,实效性更强。研究结论:数据挖掘技术为大学生体质健康研究提供了有力帮助,但是要提高其在实际应用中对数据的深度分析效能,还需要解决以下几个问题:一是要为数据挖掘提供可靠的数据来源,建立规范化、标准化数据库并实现数据共享;二是要提高数据挖掘软件的大众化、可视化程度,实现知识发现过程中的人机交互,方便体育专业人员的研究使用,提高挖掘结果的可理解、可运用程度;叁是打通技术壁垒,实现数据挖掘技术与专业体育数据分析系统的交叉融合,拓宽其在体育实践应用中的深度和广度,真正实现从数据到价值的转变。大学生体质健康水平的提高是实现健康中国战略目标的重要一环。目前关于大学生体质健康状况的研究多为阶段性成果,存在着一定的局限性。由于大学生体质健康状况受多种因素影响,而且始终处于动态变化中。面对不断发展变化的新情况、新问题,适时提炼共性问题,准确把握变化趋势,及时采取有效措施,持续改善和提高大学生体质,应成为一个不间断的研究过程。新技术、新手段要及时跟进,新结论、新方案要禁得起实践检验,高校体育教学改革无止境,大学生体质健康研究是个永恒的课题。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01）
梁凡,赵丽[5]（2019）在《基于中智模糊关联规则生成的大数据挖掘分析算法》一文中研究指出关联规则挖掘作为一种大数据挖掘方法,被用于确定不同项目间存在的内在联系,并以大于某一阈值作为评判不同项间存在关联的依据。传统关联规则挖掘方法仅能建立不同项间的布尔型关联规则,存在硬化数据"尖锐边界"问题导致关联规则挖掘性能下降的缺点。为克服经典数据挖掘算法的这一缺陷,提出一种新型中智关联规则挖掘算法。基于专家知识对语言学术语进行量化预处理,得到不同指标的量化数据资料库;基于关联规则支持度定义计算不同指标项集合的支持度;通过考虑不同项间的隶属度、不确定度和非隶属度函数生成关联规则。将该中智挖掘算法与模糊挖掘算法进行对比,结果表明,该算法能够增加生成关联规则数量,有助于提高数据挖掘的准确性。(本文来源于《计算机应用与软件》期刊2019年10期）
滕辉[6]（2019）在《药物不良反应多维关联规则数据挖掘分析》一文中研究指出目的构建分析甲状腺疾病类药物不良反应多维关联规则挖掘,为临床甲状腺类药物用药安全奠定基础。方法使用SQL构建起多维关联数据仓库,结合数据挖掘技术当中的关联规则来挖掘数据当中所存在的潜在的有价值的信息,比较2010年至2016年7年纵向多维关联规则的结果以及不同甲状腺疾病类药物横向比较结果。结果 2010年至2016年纵向比较结果显示51岁以上的老年人甲状腺类药物不良反应总体占比较高,女性不良反应占比较高,呈现出较强的叁维关联性;横向比较结果显示4类甲状腺类药物当中,甲硫咪唑药物不良反应最高,接下来依次为丙基硫氧嘧啶、左甲状腺素钠等。结论通过基于关联规则对甲状腺类药物不良反应情况进行统计分析,能够明确甲状腺类药物不良反应现状,并且构建起预警模型,减少今后不良反应事件的发生比率,值得推广使用。(本文来源于《第二期荆楚学术研讨班座谈会论文集》期刊2019-10-09）
刘娜,王莉[7]（2019）在《基于关联规则的远洋舰船运行监控大数据挖掘方法》一文中研究指出针对传统的远洋舰船运行监控大数据挖掘方法精准度低的情况,本文应用关联规则算法,对远洋舰船运行监控大数据挖掘方法进行设计。为了有效对舰船远行监控大数据挖掘,首先获取监控数据源,将数据存入到数据库中,在此基础上,对远洋舰船运行监控数据预处理,以此生成舰船运行监控大数据挖掘模型,完成了对运行监控大数据的挖掘,实验对比结果表明,本文设计的基于关联规则的远洋舰船运行监控大数据挖掘方法比传统的舰船运行监控大数据挖掘方法精准度高,具有一定的实际应用意义。(本文来源于《舰船科学技术》期刊2019年18期）
彭刚,唐松平,曾力,肖云[8]（2019）在《基于数据挖掘的电网故障关联规则的研究》一文中研究指出良好的电网故障原因识别有助于加快电力恢复过程,提高系统的可靠性。然而现实中数据的不平衡性往往会导致故障识别性能下降。论文在模糊分类算法的基础上进行扩展,以减轻不平衡数据构成的影响,将其应用于故障原因识别中。与人工神经网络相比,该算法在处理不平衡数据上具有较好的性能。(本文来源于《计算机与数字工程》期刊2019年09期）
张超[9]（2019）在《基于关联规则的数据挖掘Apriori算法的两种优化分析》一文中研究指出关联规则的数据挖掘算法——Apriori算法,其优化的核心在于如何在找出事务数据库中所有的频繁数据项集方面.论文以关联规则挖掘算法中的经典Apriori算法为基础,从删除无效连接,以减少冗余的连接为前提条件,进而实现减少剪枝步中的判断量提出了Apriori—A算法;以候选事务数据库替代原数据库D,大幅减少扫描次数为前提,提出了Apriori—B算法.结合特定实例经对比分析和实验验证,改进后的算法在效率方面优于经典算法.(本文来源于《韶关学院学报》期刊2019年09期）
孙红,李存进[10]（2019）在《融合遗传算法和关联规则的数据挖掘方法改进》一文中研究指出提出了一种融合改进遗传算法(Genetic algorithm,GA)和关联规则的数据挖掘方法,首先将GA交叉算子和变异算子进行自适应改进,使其在迭代过程中能够根据函数适应度值自适应调节;然后将改进后的自适应GA融入到关联规则中,充分利用GA良好的全局搜索能力,提高处理海量数据关联规则的挖掘效率。为了避免无用规则,减少不相关性的存在,在此基础上融入亲密度以提高关联规则的可靠性。在Hadoop大数据平台上通过分析交通数据验证优化后的算法,与传统方法相比,该方法提高了算法的收敛速度和鲁棒性。(本文来源于《数据采集与处理》期刊2019年05期）
数据挖掘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：
目的构建分析甲状腺疾病类药物不良反应多维关联规则挖掘,为临床甲状腺类药物用药安全奠定基础。方法使用SQL构建起多维关联数据仓库,结合数据挖掘技术当中的关联规则来挖掘数据当中所存在的潜在的有价值的信息,比较2010年至2016年7年纵向多维关联规则的结果以及不同甲状腺疾病类药物横向比较结果。结果 2010年至2016年纵向比较结果显示51岁以上的老年人甲状腺类药物不良反应总体占比较高,女性不良反应占比较高,呈现出较强的叁维关联性;横向比较结果显示4类甲状腺类药物当中,甲硫咪唑药物不良反应最高,接下来依次为丙基硫氧嘧啶、左甲状腺素钠等。结论通过基于关联规则对甲状腺类药物不良反应情况进行统计分析,能够明确甲状腺类药物不良反应现状,并且构建起预警模型,减少今后不良反应事件的发生比率,值得推广使用。
（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。
数据挖掘关联规则论文参考文献
[1].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
[2].滕辉.药物不良反应多维关联规则数据挖掘分析[C].第叁期荆楚学术研讨班座谈会论文集.2019
[3].孙婷婷,朱向明,刘冬,张霞,张健.基于关联规则的数据挖掘在超重肥胖患者心脏构型超声数据模型中的初步研究[J].浙江医学.2019
[4].张慧清.关联规则数据挖掘技术在大学生体质健康研究中的应用[C].第十一届全国体育科学大会论文摘要汇编.2019
[5].梁凡,赵丽.基于中智模糊关联规则生成的大数据挖掘分析算法[J].计算机应用与软件.2019
[6].滕辉.药物不良反应多维关联规则数据挖掘分析[C].第二期荆楚学术研讨班座谈会论文集.2019
[7].刘娜,王莉.基于关联规则的远洋舰船运行监控大数据挖掘方法[J].舰船科学技术.2019
[8].彭刚,唐松平,曾力,肖云.基于数据挖掘的电网故障关联规则的研究[J].计算机与数字工程.2019
[9].张超.基于关联规则的数据挖掘Apriori算法的两种优化分析[J].韶关学院学报.2019
[10].孙红,李存进.融合遗传算法和关联规则的数据挖掘方法改进[J].数据采集与处理.2019