面向零售數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘算法的研究與應(yīng)用.pdf

1、目前國內(nèi)外對關(guān)聯(lián)規(guī)則算法的研究主要集中頻繁項集的挖掘和規(guī)則的裁剪優(yōu)化兩個方向，研究成果頗多，但是針對零售數(shù)據(jù)目前還沒有一個普遍認(rèn)為最合適的算法。另外，根據(jù)零售業(yè)管理人員的信息反饋，目前零售數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘存在的主要問題是：挖掘出的關(guān)聯(lián)規(guī)則太多、系統(tǒng)運行速度比較慢、實用性不強。本文針對零售數(shù)據(jù)的特點，在算法的挖掘效率和挖掘質(zhì)量兩個方面的進(jìn)行了深入的研究，通過分析零售數(shù)據(jù)庫找出顧客的購買習(xí)慣，并解釋挖掘結(jié)果，對促進(jìn)將關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)應(yīng)用

2、到零售業(yè)中積累了相當(dāng)?shù)慕?jīng)驗，對于其他領(lǐng)域的數(shù)據(jù)挖掘應(yīng)用也有一定的借鑒價值。 本文在頻繁項集挖掘方面，首先詳細(xì)闡述了關(guān)聯(lián)規(guī)則經(jīng)典算法Apriori算法和FP—growth算法，然后通過分析零售企業(yè)的商品結(jié)構(gòu)、銷售策略以及銷售方式，得出零售數(shù)據(jù)的特點。針對零售數(shù)據(jù)的特點我們提出了基于多最小支持度的MSApriori算法和CFP—growth算法，采用VC++對上述算法的性能進(jìn)行驗證分析和比較，實驗顯示CFP—growth算法的性能穩(wěn)

3、定，而且能夠有效的控制算法挖掘的時間，在實際挖掘過程中，取得了很好的挖掘效果。 本文在關(guān)聯(lián)規(guī)則度量方面，首先闡述了傳統(tǒng)的支持度—置信度體系，然后針對多最小支持度算法產(chǎn)生龐大的規(guī)則集問題，引入了興趣度的概念，提出了基于距離的興趣度關(guān)聯(lián)規(guī)則算法，給出了算法的原理和步驟，實驗證實該算法在實際挖掘過程中，取得了良好的效果。 本文最后把以上的研究成果應(yīng)用到濰坊某零售集團股份有限公司的商業(yè)智能系統(tǒng)BISYS中數(shù)據(jù)挖掘的研究中，對該超