關(guān)聯(lián)規(guī)則挖掘算法的研究及優(yōu)化.pdf

1、為適應(yīng)信息處理的新需求，數(shù)據(jù)挖掘作為一種新的信息分析技術(shù)已經(jīng)在當(dāng)前的數(shù)據(jù)倉(cāng)庫(kù)環(huán)境中進(jìn)入了實(shí)用階段。數(shù)據(jù)挖掘，也稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，是從大量的、有噪聲的、不完全的、模糊的、隨機(jī)的數(shù)據(jù)中，提取人們事先不知道的、隱含在其中的、但又是潛在有用的知識(shí)和信息的過(guò)程，其主要目的是從海量的數(shù)據(jù)中挖掘出對(duì)用戶有價(jià)值的知識(shí)。
　　 關(guān)聯(lián)規(guī)則的挖掘是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)非常重要的研究方向。一般來(lái)說(shuō)，關(guān)聯(lián)規(guī)則的挖掘分為兩步：(1)無(wú)遺漏的找出所有頻繁

2、項(xiàng)集：這些頻繁項(xiàng)集的每一個(gè)出現(xiàn)的次數(shù)至少與預(yù)定義的最小支持度計(jì)數(shù)min_support一樣；(2)由頻繁項(xiàng)集生成強(qiáng)關(guān)聯(lián)規(guī)則：這些規(guī)則必須滿足最小置信度和最小支持度。關(guān)聯(lián)規(guī)則的挖掘算法性能主要是由第1步?jīng)Q定的。
　　 本文在對(duì)經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法Apriori算法研究的基礎(chǔ)上，對(duì)算法的優(yōu)缺點(diǎn)進(jìn)行了分析，針對(duì)Apriori算法的第一步連接步中生成的很多候選項(xiàng)集并不是頻繁項(xiàng)集，為了這些項(xiàng)集花費(fèi)了大量的系統(tǒng)開銷之一缺點(diǎn)，本文提出了一種