关联规则算法，txt文件是训练的数据，可以参考，m文件是算法的代码文件

数据挖掘是指从数据库的大量数据中提取出先前未知的、具有潜在实际价值的、隐含的信息[1]。关联规则挖掘就是从海量的数据中寻找数据项间的关联关系。

西电数据挖掘课程大作业，apriori搜索算法，使用python实现。 西电数据挖掘课程大作业，apriori搜索算法，使用python实现。

用C++编程实现Apriori算法，用一种较为高效的解决方案

自己写的，从频繁1-项集到频繁4-项集,1-项后件强关联规则到2-项后件强关联规则

有关apriori算法的PPT，用于关联规则分析，里面分析了apriori算法的优缺点以及如何进行改进

数据挖掘是适应信息社会从海量的数据库中提取信息的需要而产生的新学科。它是统计学、机器学习、数据库、模式识别、人工智能等学科的交叉。以往的数据挖掘技术的应用大多是在金融领域，而在其他领域里面应用不是很多，如在高校招生中的应用更是如此。数据挖掘技术对招生工作的深层研究与挖掘将会得到各高校的更多重视。以某高校招生数据作为招生信息为依据，对高校招生的关联规则进行分析。从而对关联性规则的应用作进一步的研究。

Apriori算法及改进算法分析数据挖掘课程论文

选择Apriori算法

关联规则挖掘（Association rule mining）是数据挖掘中最活跃的研究方法之一，可以用来发现事情之间的联系，最早是为了发现超市交易数据库中不同的商品之间的关系。(啤酒与尿布) 基本概念 1、支持度的定义：support(X–>Y) = |X交Y|/N=集合X与集合Y中的项在一条记录中同时出现的次数/数据记录的个数。例如：support({啤酒}–>{尿布}) = 啤酒和尿布同时出现的次数/数据记录数 = 3/5=60%。 2、自信度的定义：confidence(X–>Y) = |X交Y|/|X| = 集合X与集合Y中的项在一条记录中同时出现的次数/集合X出现的个数 。例如：co