Apriori算法改进在总评分析中的研究 rsa算法 p=5 q=3
时间：2019-04-11 03:19:59 来源：柠檬阅读网 本文已影响 人 
摘要：随着计算机与数据库技术的发展,数据信息量不断海增,而从这些数据中得到有用的知识,促使数据挖掘技术得到快速发展和应用。本文先后介绍关联规则、挖掘模、Apriori算法,最后以高校学生综合信息为原始数据,验证改进的Apriori算法的有效性,以分析获取学生行为相关预测性信息。
关键词：数据挖掘 Apriori算法 关联规则
1、引言
在高校学生管理中,数据信息的不断海量增长在丰富信息的同时,也为学生信息化建设提出了管理与使用等方面的新挑战。如何从海量数据信息中寻找隐藏知识,指导、优化教学管理,是本文探讨研究的重点。
2、关联规则与Apriori算法
数据挖掘（Data Mining,DM）,是指从给定目标数据中分析提取知识[1,2,3,4],发现潜藏在数据背后的知识,方便反映不同数据对象之间的关联。
关联规则挖掘是关联知识发现的最常用方法,它挖掘发现大量数据中项集之间有趣的关联或相关联系。数据挖掘中关联规则经典挖掘算法Agrawal等提出的Apriori及改进算法[2,3,4,5,6]。
Apriori算法及改进[5,6,7]
Apriori算法是一种挖掘布尔关联规则频繁项集的算法。该算法可能产生大量的候选集,以及可能需要重复扫描数据库,这是Apriori算法的两大缺点[1,2,3,4]。
由于当一个事务中不包含长度为k的频繁项集时,则必然不包含长度为k+1-频繁项集;而任意一个k-项集的支持度与规模小于它的事务无关。
所以,在生成k-候选频繁项集时,就不用再扫描字段长度小于k的记录,以便减少扫描的数据量。那么,我们可以另建一张辅助表F（以矩阵形式存储）,用于存储这些信息,包含该记录的编号和它的字段长度。在随后的过程中,及时删除其中不可能出现在候选项集中的记录,即字段长度不大于将要生成的k-频繁项集k值,而且也不被包含在频繁项集中的记录。在每次的扫描时,只扫描辅助表中存在的记录,不需要每条记录都扫描。
改进算法从两个方面提高了运行效率:
(1)将要分析的数据表读入内存中,存储为矩阵E,以减小每次扫描时再次访问数据库的次数,使速度加快;
(2)通过辅助表F,减少访问表E中记录的无效记录,使访问次数减少。
3、在学生总评中的设计
对于校内学生,选取合适的评定指标是科学、规范、合理评定学生的前提,本文选取的评定指标包含班级同学评定分、任课教师评定分、学习成绩总和、体能评定成绩、图书借阅不良数、违纪次数、班委评定分、不及格科目数、特长项目分等。
Apriori算法在学生总评中的应用流程图1。
由Apriori应用流程图可知,在学生总评分析中,Apriori算法起到核心作用[5,6,7]。
4、综述
在高校学生管理中,面对数据信息的不断海量增长只依靠人工管理是不够的,本文通过对Apriori算法的研究,将其应用到学生总评分析中,不仅可以有效的管理学生的各类信息,而且能够充分利用最新数据库及数据挖掘技术对数据信息进行分析和知识发现,使不断产生的信息能得到充分利用和管理。同时,也为学生信息化建设奠定了实用的参考价值。
参考文献
[1]唐笑林.数据挖掘技术的研究和应用[J].华东理工大学学报.自然科学版.2008,4:290-295.
[2]邓纳姆（Dunham,M.H.）著;郭崇慧,田凤占,靳晓明等译. 数据挖掘教程——世界著名计算机教材精选[M].清华大学出版社.2005.5:1-150.
[3]杨健兵.数据挖掘中关联规则的改进算法及其实现[J].微计算机信息,2006,7-3:195-197.
[4]王新刚,李晓明.数据预处理在高校专业课程改革中的应用探讨[J].计算机应用与软件,2009,26(10):149-151,176.
[5]李晓虹,尚晋.一种改进的新Apriori算法[J].计算机科学,2007,4:196-198.
[6]尤磊,兰洋,熊炎.一种基于关系代数的Apriori优化方法[J].信阳师范学院学报:自然科学版,2010,23(1):156-160.
[7]戴小廷.典型Apriori改进算法的分析与比较[J].微计算机信息.2010,9.
