數(shù)據(jù)挖掘中基于興趣度的關(guān)聯(lián)規(guī)則研究.pdf

1、數(shù)據(jù)挖掘作為是人工智能的一個(gè)分支，正逐步的被應(yīng)用到各個(gè)方面，從初級(jí)應(yīng)用到目前的大量而廣泛的應(yīng)用，人們對(duì)此學(xué)科的發(fā)展，耗費(fèi)了許多努力，提出了許多研究方法，極大的發(fā)展了這門學(xué)科。在發(fā)展的過(guò)程中，數(shù)據(jù)挖掘針對(duì)不同應(yīng)用，分別發(fā)展出聚類、分類、關(guān)聯(lián)規(guī)則等不同的挖掘方法。在初期的關(guān)聯(lián)規(guī)則的研究過(guò)程中，大部分集中在支持度-置信度閾值的研究上，但在實(shí)際應(yīng)用過(guò)程中，易產(chǎn)生許多虛假誤導(dǎo)的規(guī)則。為此關(guān)聯(lián)規(guī)則的生成在考慮支持度和置信度閾值的同時(shí)，還需引入興趣度

2、度量，來(lái)檢驗(yàn)結(jié)果是不是具有價(jià)值。目前許多人提出了不同的興趣度度量方法，但并沒(méi)有被廣泛接受的興趣度度量標(biāo)準(zhǔn)，在此研究的方面仍需要完善。因此，針對(duì)傳統(tǒng)支持度-置信度這一框架不足這一問(wèn)題，結(jié)合對(duì)部分已有興趣度度量進(jìn)行分析研究，提出了新的興趣度的度量，并用實(shí)例證明了該度量的有效性。同時(shí)在利用興趣度挖掘有價(jià)值的正負(fù)關(guān)聯(lián)規(guī)則時(shí)，負(fù)關(guān)聯(lián)規(guī)則的有效挖掘面臨著規(guī)則爆炸問(wèn)題，雖然人們已經(jīng)從不同方面提出了挖掘正負(fù)相關(guān)關(guān)聯(lián)規(guī)則的算法，但對(duì)減少負(fù)關(guān)聯(lián)規(guī)則爆炸性問(wèn)

3、題仍有許多問(wèn)題未解決。
　　本文從減少非頻繁項(xiàng)的角度，結(jié)合新的興趣度度量，引入了最大支持度模型，提出了一種挖掘正負(fù)關(guān)聯(lián)規(guī)則的算法，并通過(guò)Mushroom數(shù)據(jù)集上的實(shí)驗(yàn)證明具有減少無(wú)關(guān)規(guī)則和誤導(dǎo)規(guī)則的有效性能。由于負(fù)關(guān)聯(lián)規(guī)則不僅需要規(guī)則有意義而且還應(yīng)具有可讀性，因此本文在已有挖掘算法上更進(jìn)一步提出了一種新的負(fù)關(guān)聯(lián)挖掘算法，不僅可以大幅減少無(wú)關(guān)和誤導(dǎo)的規(guī)則，而且通過(guò)實(shí)驗(yàn)與已有算法相比還具有良好的可讀性。最后將改進(jìn)的算法應(yīng)用到股票間漲跌