基于矩陣的關聯(lián)規(guī)則挖掘算法的設計與實現(xiàn).pdf

1、數(shù)據(jù)挖掘技術是解決數(shù)據(jù)豐富而知識貧乏的有效途徑,當屬信息科學領域的前沿研究課題之一,有關的研究和應用極大提高了決策支持的能力,它已被公認為是數(shù)據(jù)庫研究中一個極富應用前景的領域.本文描述了數(shù)據(jù)挖掘的概念、功能,數(shù)據(jù)挖掘系統(tǒng)的結構與分類,以及數(shù)據(jù)挖掘與傳統(tǒng)數(shù)據(jù)分析工具和機器學習的區(qū)別.在眾多的數(shù)據(jù)挖掘算法中,基于關聯(lián)規(guī)則的挖掘是一個重要的研究內(nèi)容.自Agrawal R等人在1993年提出關聯(lián)規(guī)則的概念,并在1994年提出挖掘關聯(lián)規(guī)則的經(jīng)典A

2、priori算法之后,有好多學者對其進行了研究并提出了一些新的算法.本文在對關聯(lián)規(guī)則挖掘問題研究和總結的基礎上,對現(xiàn)有的關聯(lián)規(guī)則挖掘算法進行了分類,深入地分析和探討了一些典型的關聯(lián)規(guī)則挖掘算法,如AIS算法、Apriori算法及基于劃分、基于采樣、基于哈希等對該算法的一些改進算法、FP-Growth算法、DLG算法等,指出了這些算法的優(yōu)缺點.同時提出了基于矩陣的挖掘關聯(lián)規(guī)則的ABM算法,并將該算法與經(jīng)典的發(fā)現(xiàn)頻繁項集的算法進行了比較,該

3、算法只需要掃描數(shù)據(jù)庫一遍,不需要產(chǎn)生候選集,并且存放輔助信息所需要的空間也要少.作者在Windows 2000環(huán)境下用Delphi6實現(xiàn)了經(jīng)典的Apriori算法和ABM算法,根據(jù)實驗結果對這兩個算法進行了分析和比較.現(xiàn)有的許多挖掘關聯(lián)規(guī)則的算法多是針對歷史靜態(tài)數(shù)據(jù)庫的,而對于關聯(lián)規(guī)則的更新維護問題的研究卻比較少.由于應用中的數(shù)據(jù)庫極其巨大,不僅需要設計高效的算法來挖掘關聯(lián)規(guī)則,而且也需要設計高效的算法來更新維護己開采出來的規(guī)則.本文討