一.畢業設計安排進度
計畫安排時間
計畫完成內容
是否完成
2017.3.1---2017.3.7
了解系統需求
是2017.3.8—2017.3.21
了解演算法、資料庫以及相關概念
待完成2017.3.23-2017.5.9
初步畢設，以及完成畢業**初稿
待完成2017.5.10-5.28
完善畢業**和畢業設計，準備答辯
待完成二．本週研究內容
關聯規則
關聯規則是由 agrawal 等人在 1993 年首次提出的，是挖掘資料之間關聯知識最常用的方法。關聯規則的目的在於在乙個資料集中找出項之間的關係，也稱之為購物藍分析 (market basket analysis)。例如，購買鞋的顧客，有10%的可能也會買襪子，60%的買麵包的顧客，也會買牛奶。這其中最有名的例子就是"尿布和啤酒"的故事了。
關聯規則一般可描述如下: 假設 i = 是專案的集合，給定乙個事務資料庫 d，其中t 是 i 中一些專案的集合，表示 d 中的乙個具體事務，ti，每個 t 都有唯一的標誌符 tid。假設 x 是乙個專案集，當且僅當 x 中的所有專案都在 t 的範圍內時表示事務 t 包含 x。
所以關聯規則 x→y 定義如下:其中，xi，yi，x∩y = φ，x 是關聯規則的前提，y是結果，通過支援度和置信度 2 個指標來確定。
支援度( support) s 表示 d 中有 s% 的事務同時包含 x 和 y，即事務集中同時包含 x 和 y 的事務數在所有事務數中的百分比。
support = p(a並b)
置信度( confidence) c 表示 d 中包含 x 的事務中有 c% 包含 y，即事務集中同時包含 x 和 y 的事務數在包含 x 的事務數中的百分比。
confidence = support(a並b）/suport(a)
所以支援度表示了此關聯規則在事務中的發生頻率，而置信度表示了此關聯規則的強度。如果存在一條關聯規則，它的支援度和置信度都大於預先定義好的最小支援度與置信度，我們就稱它為強關聯規則。關聯規則挖掘就是為了找到所有的強關聯規則，因此挖掘的主要步驟也分為 2 步，第一步是找到所有的頻繁項集( 即超過最小支援度的所有項集) ，第二步則在這些頻繁項集中找出超過最小置信度的關聯規則。
apriori 演算法
在眾多的關聯規則演算法中，apriori 演算法是最有影響的挖掘頻繁項集的演算法。該演算法的基本思想是: 首先找出所有的頻繁項集，這些項集出現的頻繁性至少和預定義的最小支援度一樣，然後由頻繁項集產生強關聯規則，這些規則必須滿足最小支援度和最小置信度。然後使用第一步找到的頻繁項集產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項，這裡採用的是關聯規則的定義。一旦這些規則被生成，那麼只有那些大於使用者給定的最小置信度的規則才被留下來。為了生成所有頻繁項集，使用遞迴的方法，在頻繁 1-項集中連線產生對應的候選2-項集，然後計算得到頻繁 2-項集，繼而產生候選 3-項集和頻繁 3-項集，直到沒有頻繁 k-項集的產生。其演算法描述如下:
1) l1= find_frequent_1-itemsets( d) ;
2) for( k = 2; lk － 1≠φ; k ++ )
9) lk=
10) }
11) ｒeturn l = ∪klk;
三、周實現**及結果截圖展示。
無四、本週的體會及需要改進地方。
關聯規則主要關於可信度或置信度（confidence），要繼續關於apriori的學習，同時，還得繼續深入學習python
五、本週參考的文獻。
楊秀萍.大資料下關聯規則演算法的改進及應用[j].計算機與現代化，2014，12：23-24
第一次任務
任務 1.安裝phpstudy，python並配置好相關的環境 2.了解osi七層協議體系，掌握http協議 請求方式，報文內容與種類 可以利用burpsuite 實現簡單的抓包改包 3.掌握php的基本語法 資料型別 變數常量 一 安裝phpstudy，python並配置好相關的環境 1 phps...
畢業後第一次回家
轉眼間，大學四年已經過去了。從大四 今年 下學期就開始在公司實習，畢業後直接到公司工作，已經有半年的時間。半年的時間成長很多，收穫很多，也有頗多感受。畢業後第一次回家，和以前的感受不一樣了，以前是回去吃吃父母做的飯，拿上前又來學校，現在更多的改是對父母 對家庭的匯報。中秋國慶，公司發了一盒月餅，1....
第一次完成工作任務
要求做乙個類，實現dml的四個功能 class檔案 database.pc，預編譯為database.h include include include define sqlnotfound 1403 exec sql include sqlca class dbtab struct attr li...