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分支，正逐步的被應(yīng)用到各個方面，從初級應(yīng)用到目前的大量而廣泛的應(yīng)用，人們對此學科的發(fā)展，耗費了許多努力，提出了許多研究方法，極大的發(fā)展了這門學科。在發(fā)展的過程中，數(shù)據(jù)挖掘針對不同應(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)則的研究過程中，大部分集中在支持度-置信度閾值的研究上，但在實際應(yīng)用過程中，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，還需引入興趣度

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

3、題仍有許多問題未解決。
　　本文從減少非頻繁項的角度，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關(guān)聯(lián)規(guī)則的算法，并通過Mushroom數(shù)據(jù)集上的實驗證明具有減少無關(guān)規(guī)則和誤導(dǎo)規(guī)則的有效性能。由于負關(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一步提出了一種新的負關(guān)聯(lián)挖掘算法，不僅可以大幅減少無關(guān)和誤導(dǎo)的規(guī)則，而且通過實驗與已有算法相比還具有良好的可讀性。最后將改進的算法應(yīng)用到股票間漲跌