基于關系數(shù)據(jù)庫的關聯(lián)規(guī)則挖掘算法的研究.pdf

1、隨著數(shù)據(jù)庫技術的快速發(fā)展，全球范圍內的數(shù)據(jù)存儲量急驟上升，激增的數(shù)據(jù)背后隱藏著許多潛在的信息，然而，缺乏了對數(shù)據(jù)進行深層次分析的技術，導致了“數(shù)據(jù)豐富但知識貧乏”的現(xiàn)象。面對這一挑戰(zhàn)，數(shù)據(jù)挖掘技術應運而生。關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中的一個重要研究內容，其應用極為廣泛。最初的關聯(lián)挖掘僅限于事務數(shù)據(jù)庫，近年來，關系數(shù)據(jù)庫已得到了廣泛的應用，研究在關系數(shù)據(jù)庫中挖掘關聯(lián)規(guī)則的技術具有廣闊的發(fā)展前景。 目前在關系數(shù)據(jù)庫中挖掘關聯(lián)規(guī)則的常用方

2、法是：先將關系數(shù)據(jù)庫轉換為事務數(shù)據(jù)庫，對關系數(shù)據(jù)庫中的量化屬性轉換為布爾屬性，再利用布爾型關聯(lián)挖掘算法進行挖掘，該方法以較為成熟的布爾型關聯(lián)挖掘算法為基礎，是較好的解決方案。但現(xiàn)有的方法中大多在轉換后直接將經典的Apriori算法或其變形應用其中，忽略了關系數(shù)據(jù)庫中的關聯(lián)規(guī)則的自身特點，從而影響了挖掘效率。 基于以上背景，文章深入分析了關系數(shù)據(jù)庫中關聯(lián)規(guī)則的特點，并在Apriori算法思想的基礎上，給出了一種基于內存的關聯(lián)規(guī)則挖

3、掘新算法。該算法克服了經典Apriori算法不支持多維關聯(lián)約束，將多維約束應用于“剪枝”中，降低了候選項集的個數(shù)：而且僅需一次數(shù)據(jù)庫掃描，克服了經典Apriori算法多次掃描數(shù)據(jù)庫所造成的I/O開銷。作為應用事例，算法應用于安徽科技學院《學生體質健康標準》數(shù)據(jù)庫的挖掘，結果顯示它具有快速、有效、易開發(fā)等優(yōu)點。 數(shù)據(jù)挖掘總是在海量數(shù)據(jù)上進行，文章就如何將新算法應用于大型數(shù)據(jù)庫的挖掘進行了較深入的探討，并給出了基于劃分思想的應用策略