關(guān)聯(lián)規(guī)則更新算法研究與應用.pdf

1、數(shù)據(jù)挖掘(或知識發(fā)現(xiàn))出現(xiàn)于20世紀80年代末，目前已經(jīng)成為人工智能和數(shù)據(jù)庫等領(lǐng)域的研究熱點。它有著廣闊的應用前景，并將在新的世紀里在各個領(lǐng)域發(fā)揮其強大的生命力。R.Agrawal等在1993年提出了關(guān)聯(lián)規(guī)則問題，現(xiàn)在關(guān)聯(lián)規(guī)則已經(jīng)成為數(shù)據(jù)挖掘研究的重要方向，并且吸引了眾多學者和專家的關(guān)注。
　　 關(guān)聯(lián)規(guī)則挖掘的典型算法是由R.Agrawal等提出的Apriori算法。Apriori算法在計算侯選項目集的支持度時需要多次掃描整個數(shù)

2、據(jù)庫，而隨著K的增大，不僅K維項目集的數(shù)目減少了，而且能包含這些項目集的事務(wù)也是很少的。由于數(shù)據(jù)規(guī)模大且時常更新，使得采掘效率較低，必須設(shè)計更有效的算法。另外，當數(shù)據(jù)庫中增加新的數(shù)據(jù)時，現(xiàn)有的多數(shù)算法要重新掃描整個大型數(shù)據(jù)庫，而且現(xiàn)有算法中項目集的支持度是基于整個數(shù)據(jù)庫計算的，當新增的數(shù)據(jù)中出現(xiàn)新項目時，即使包含新項目的項目集頻繁地出現(xiàn)，現(xiàn)有算法常把這些項目集作為非頻繁項目集，由此產(chǎn)生的關(guān)聯(lián)規(guī)則不能反映最近的商業(yè)活動。
　　 基

3、于數(shù)據(jù)挖掘的研究現(xiàn)狀和關(guān)聯(lián)規(guī)則挖掘算法存在的問題，本文主要進行了以下的研究工作：
　　 (1)數(shù)據(jù)挖掘技術(shù)的分析與研究。在介紹數(shù)據(jù)挖掘基本概念的基礎(chǔ)上，對數(shù)據(jù)挖掘與傳統(tǒng)分析方法、數(shù)據(jù)庫中的知識發(fā)現(xiàn)和聯(lián)機分析處理做了深入地分析和比較，對數(shù)據(jù)挖掘的對象、可發(fā)現(xiàn)的模式進行了詳細地分類、歸納和總結(jié)，對數(shù)據(jù)挖掘常使用的技術(shù)做了介紹和分析。
　　 (2)關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)的分析與研究。在提出關(guān)聯(lián)規(guī)則基本概念的基礎(chǔ)上，本文對關(guān)聯(lián)規(guī)則

4、的種類進行了全面地分類、歸納和總結(jié)，對關(guān)聯(lián)規(guī)則的典型挖掘算法及其基本思想進行了詳細地歸納、分析和研究，對各算法之間的差別進行了客觀地比較。同時，也詳細地討論了提高算法效率的各種優(yōu)化技術(shù)，客觀地分析了它們的優(yōu)缺點和利與弊。
　　 (3)針對Apriori算法的不足，提出了一種新的關(guān)聯(lián)規(guī)則的高效挖掘算法。新算法根據(jù)支持度對事務(wù)數(shù)據(jù)庫進行篩選刪除操作，使得在計算候選集支持度時，所掃描的事務(wù)數(shù)據(jù)庫比原來的事務(wù)數(shù)據(jù)庫小，從而提高整個算法的