關聯(lián)規(guī)則的衡量標準及其算法研究.pdf

1、近年來，數據挖掘受到人工智能與數據庫界的廣泛關注。關聯(lián)規(guī)則挖掘是數據挖掘中重要的研究課題。關聯(lián)規(guī)則的主要研究對象是交易數據庫，其主要目標就是發(fā)現(xiàn)交易數據庫中交易項目之間是否存在某些關聯(lián)關系。 目前常用的關聯(lián)規(guī)則的衡量標準是支持度(support)和置信度(confidence)。用現(xiàn)有的衡量標準生成關聯(lián)規(guī)則可能會產生大量冗余的、虛假的關聯(lián)規(guī)則。 當前對關聯(lián)規(guī)則的形式化定義是采用X(→)Y的模式，其中X為前提，Y作為后繼。

2、而實際的商品交易中我們往往只知道商品是否被同時購買，而不知道究竟是X的購買導致了Y的購買還是Y的購買導致了X的購買。即X和Y之間不存在前提和后繼的關系。因此X(→)Y的模式與商品交易的實際購買情況不符，可能會導致矛盾規(guī)則的產生。 本文首先對經典的算法如Apriori、FP_growth等算法進行介紹和深入細致的分析，對比其性能的優(yōu)劣，給出了它們的一些改進形式。然后研究了關聯(lián)規(guī)則衡量標準及現(xiàn)有的若干改進方法，針對現(xiàn)有關聯(lián)規(guī)則衡量標