数据挖掘是指通过算法从大量数据中挖掘隐藏值和信息的过程。Aprioir算法是数据挖掘关联规则中的经典算法。它已广泛应用于网络安全、商业、教育等领域。该文研究并改进了Aprioir算法,并将改进后的算法应用于招生信息的数据挖掘。通过对高校招生数据的深入和详细的分析和挖掘,发现高校招生数据间的关联性,这对招生工作起到指导作用。 因为招生决策数据量大、涉及面广，采用基于经验的招生方法，无法保证招生工作的高效性。因此，数据挖掘技术可以用来挖掘和分析过去积累的大量招生数据，从而发现数据间关联关系，获取有价值的信息，降低招生宣传的经济成本，提高招生质量，提高了独立学院的新生入学率。招生中的应用研究-电动折弯机数控滚圆机滚弧机张家港电动弯管机滚圆机1Aprioir算法及算法改进1.1Aprioir算法Apriori算法是基于两阶段频集思想的递推算法，是最有影响的挖掘布尔关联规则频繁项集的算法之一。该关联规则在分类上属于单维、单层、布尔关联规则[1]。Apriori算法思想如图1所示：图1Apriori算法流程图1.2Apriori算法的改进经过使用和分析，Apriori算法存在以下问题：1）在每一步产生候选项目集时，迭代产生的组合过多，本文由公司网站张家港弯管机价格网站采集转载中国知网整理!     http://www.wanguanjixie.com.cn/不应该参与组合的元素没有被排除，而迭代过程的候选频繁项集是在计算机内存中产生、存储和处理的，这使得算法适应能力较差[2]。2）每次计算项目集的支持度时，都会扫描和比较数据库中的所有行。当数据量较大时，这种扫描会大大增加计算机系统的输入\输出开销。而这种开销是随着数据库的行的増加呈现出几何级数的増加。基于Apriori算法存在的问题，下节将对该算法的改进行阐述。1.2.1Apriori改进算法---数据规模划分改进算法的主要思想是将数据挖掘的数据分为N个规模大致相同的部分，对每个子部分分别进行数据挖掘，最后进行合并。该算法按照以下步骤完成：第一步：将数据库划分为N个部分，每个部门数据大致相同；第二步：毎个子部分将分别产生一组潜在频繁项目集；第三步：将这些频繁项目集合并成一个候选频繁项目集；第四步：计算每个候选频繁项目的支持度，以确定最终频繁项集[3]。1.2.2Apriori改进算法---?招生中的应用研究-电动折弯机数控滚圆机滚弧机张家港电动弯管机滚圆机本文由公司网站张家港弯管机价格网站采集转载中国知网整理!     http://www.wanguanjixie.com.cn/