1、“..... 目前在金融生物科技政府机构等企事业单位应用非常广泛。 此外，还有公司从公司取得的公司开发的所开发的加拿大大学开发的公司和美国大学联合开发的公司开发的用于信用卡诈骗分析的公司研究中心开发的开发的以及系统系统等。 在国内也有不少新兴的数据挖掘软件由上海复旦德门软件公司开发的具有自主知识产权的数据挖掘平二〇〇年十二月二十八日星期二台。 由海尔青大公司开发的具有自主知识产权的数据挖掘系统。 其对国际通用业界标准的大胆采用为该件今后的发展预留了很大的空间，同时也为国内同类软件融入世界及开发提供了条新的思路。 由中科院计算技术研究所智能信息处理实验室开发的多策略数据挖掘平台。 除此之外，也有些相关数据挖掘产品的报道，如东北大学开发的面向先进制造企业的综合数据挖掘系统复旦德门公司开发的和东北大学软件中心基于开发的以及长春工业大学开发的数据挖掘工具软件等......”。

2、“.....已经被运用于多种领域，并得到了充分的验证，显示了其重要的价值，同时在运用过程中得到了不断的进步和完善。 数据挖掘在电信了种改进思想，减少了扫描数据库的次数，降低了开销，提高了速率，但是，每个侯选集都有个事务列表，当事务数量很大时，算法占用的内存空间会很惊人。 所以，下步的工作是要找到个合适的方法来解决在大数据量的情况下该算法占用内存大的问题。 二〇〇年十二月二十八日星期二摘要这些年来，人们利用信息技术生产和搜集数据的能力大幅度提高。 面对海量数据，人们更加关注的是隐藏在数据背后的重要信息，而非数据本身。 数据挖掘满足了我们的需求，它是帮助我们发现数据中重要知识的有利工具。 关联规则是数据挖掘的个重要分支，挖掘出大型事务数据库中的关联规则对不同领域实际问题的解决起着非常重要的作用。 本论文主要研究关联规则算法及其应用。 首先......”。

3、“.....为研究内容的全面展开打下坚实的理论基础。 其次，论文通过指出经典的挖掘频繁项目集算法算法的性能瓶颈问题，即多次扫描数据库以及可能会产生庞大的候选集，为新算法的研究找到入口。 因此，本论文对算法做了如下改进首先从数据库布尔矩阵的角度来生成和，打破了算法生成的固有模式然后在证明结论生成的连接步可用来代替成立的基础上，再来改进候选集的集合的生成算法。 所以，综合上述工作本论文提出了算法的改进算法算法算法。 首先通过对算法的理论性分析，我们可以得知该算法不仅能够减少数据库的扫描次数以及定程度上避免庞大候选集的产生，而且还能够降低算法的时间与空间开销。 然后，我们又通过具体的实验进步证明了算法的效率确实优于算法和其他算法。 最后，在较好的软硬件环境下并借助真实超市交易数据库中的部分数据，论文采用和作为开发平台来构建个简单的关联规则挖掘系统......”。

4、“.....通过挖掘结果再次证明了该算法较算法和其他算法确实取得现，。 年月在美国底特律召开的第届国际人工智能会议上首先出现了这个术语，随后引起了国际人工智能和数据库等领域专家的广泛关注。 随着来自各个领域的研究和应用开发人员不断增多，年在加拿大蒙特利尔召开了首届国际学术年会，会上把数据挖掘技术分为工程领域的数据挖掘与科研领域的知识发现。 到目前为止，由美国人工智能协会主办的国际研讨会己经召开了多次，规模由原来的专题讨论会发展到国际学术大会，研究重点也逐渐从发现方法转向系统应用，注重多种发现策略和技术的集成，以及多种学科之间的相互渗透。 等其它学会学刊也纷二〇〇年十二月二十八日星期二纷把数据挖掘与知识发现，列为会议议题或出版专刊，成为当前国际上的个研究热点。 目前国外已有很多技术成熟有较强产业化能力的数据挖掘软件。 其中主要的有系统全称为。 是美国使用最为广泛的三大著名统计分析软件，和之......”。

5、“..... 年发布了，这个工具为用户提供了用于建模的个图形化流程处理环境，并且它有组常用的数据挖掘算法，包括决策树神经网络回归关联等，还支持文本挖掘。 是世界上最早的统计分析软件之。 年末收购了英国公司，通过继承获得了这家公司的数据挖掘包。 是首次引入数据挖掘流概念的产品之。 它允许用户在同个工作流环境中清理数据转换数据和构建模型。 包括分析软件工具和，不仅可以寻找包含于传了不错的挖掘效果......”。

6、“.....人们利用信息技术生产和搜集数据的能力大幅度提高，随着数据库技术的迅速发展以及数据库管理系统的广泛应用，各种数据库被用于政府办公商业管理科学研究和工程开发等。 随着形势的发展......”。

7、“.....从激增的数据背后找到有用的信息，提高信息利用率呢面对这挑战，数据挖掘技术应运而生，并且引起了人们的广泛关注，是当今数据库研究和应用领域的个热点问题。 数据挖掘技术的发展历史及国内外研究现状数据挖掘的发展历史是建立在相关学科发展的基础上的。 随着数据库技术的发展及数应用，人们积累的数据越来越多。 激增的数据背后隐藏着许多重要的信息，这些信息的存在给人们带来方便的同时，也带来了许多新的问题，简单的查询和统计已经无法满足人们的需求，人们希望能够对其进行更深入的分析，以便更好地利用这些数据。 这样就需要出现种挖掘数据背后隐藏的知识的手段。 数据挖掘也可称为数据库中的知识发二〇〇年十二月二十八日星期二数据查看在学生信息管理模块中，我们可以根据输入的查询条件，查询学生的中考信息和中专期间的学习信息，包括中考成绩，中专期间的各科成绩及中专期间综合测评成绩等......”。

8、“.....它们分别存储在入学成绩表学生信息表，学生成绩表综合测评表中，这个模块的功能主要是根据用户定义进行预处理。 处理过程如下进入预处理界面，选择要处理的表，然后在选择要处理的属性，点击预处理按钮后，系统会自动根据数据表中的数据类型对数据进行泛化离散化缺失值和冗余处理。 如下图所示二〇〇年十二月二十八日星期二图预处理界面关联规则挖掘结果分析在上章中我们提到，本系统要实现四个挖掘子目标，智力因素对中专各科成绩的影响非智力因素对学生学习的影响中考信息与学生综合测评之间的关系建立安徽省第轻工业学校招生预测模型。 前两个子目标，本系统使用关联规则挖掘技术实现，本节对挖掘结果进行具体分析介绍后两个子目标使用分类决策树挖掘技术实现，结果分析将在下节中做具体介绍。 需要说明的是下文提到的综合测评是中专年级的综合测评......”。

9、“.....由于学生在中专期间受到各方面影响比较大，所以成绩连贯性方面不是很好，所以使用中专年级的综合测评作为决策属性。 智力因素对大学各科成绩的影响这个功能主要挖掘中考各科成绩和中专学校各科成绩之间的关系。 在中招信息挖掘下拉菜单中选择关联信息挖掘，进入关联规则挖掘界面后，在二〇〇年十二月二十八日星期二智力因素挖掘栏内设置支持度和置信度，点击关联挖掘按钮，右边的关联规则显示框中会显示挖掘信息，请参照图。 图中考各科成绩与中专各科成绩的关系界面显示中，前个百分数表示规则的支持度，后个表示规则的置信度。 从挖掘的结果中，我们可以得到以下几方面的信息规则物理科目物理优良电子成绩来预测中专学校期间的综合测评成绩。 模型的准确率是检验模型优劣的个重要指标，为了验证模型的准确率，我们用预留的条级学生的中考成绩和中专学校综合测评作为预测样本信息，对其进行验证。 进入预测界面后......”。