關(guān)聯(lián)規(guī)則研究及其在科研管理中的應用.pdf

1、隨著知識型社會的到來，大量數(shù)據(jù)的產(chǎn)生和收集導致信息資源呈爆炸性增長的趨勢。在高等院校發(fā)展方面，科研水平成為衡量其綜合實力的重要指標，面對多年積累的海量、混亂的科研數(shù)據(jù)，傳統(tǒng)分析方法已經(jīng)無法滿足管理者對數(shù)據(jù)處理的需求，如何有效的使用這些大量數(shù)據(jù)成為目前面臨的問題，數(shù)據(jù)挖掘技術(shù)正是迎合這種需求而產(chǎn)生并迅速發(fā)展起來，為現(xiàn)代信息處理帶來了一種新的方向和研究領(lǐng)域。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中應用最為廣泛的技術(shù)之一，它主要用于從大量、復雜的數(shù)據(jù)中發(fā)現(xiàn)各個屬

2、性之間的內(nèi)在聯(lián)系，得到對決策有潛在價值的知識和規(guī)則，具有重要的應用價值。將關(guān)聯(lián)規(guī)則運用到科研管理中，從多年積累的大量數(shù)據(jù)中獲取有價值的信息來輔助管理決策，從而使高校穩(wěn)步快速發(fā)展。
　　本文對關(guān)聯(lián)規(guī)則常用算法進行研究，重點分析了Apriori算法的特點及不足。針對Apriori算法的缺陷，提出了一種改進的多維Apriori算法，該算法首先初始化數(shù)據(jù)庫存儲形式并對項集有序化；采用一種新的線性表類的數(shù)據(jù)結(jié)構(gòu)對項集及項集對應的事務標識符進

3、行存儲，改變了傳統(tǒng)的項集支持度計數(shù)方式；在生成候選項集時引入地址索引機制，采用一種新的連接方式，減少了產(chǎn)生候選項集時的比較次數(shù)；同時對算法結(jié)束條件采用新的判斷標準。通過實驗對Apriori算法與改進的多維算法進行了比較，驗證了改進算法執(zhí)行效率的高效性。
　　最后，以某市科研管理系統(tǒng)中高校立項數(shù)據(jù)為研究對象，分析科研數(shù)據(jù)的特點確定挖掘主題，結(jié)合關(guān)聯(lián)挖掘的基本流程，對科研管理挖掘系統(tǒng)的總體框架和數(shù)據(jù)庫進行了設(shè)計，運用改進的多維Apri