基于興趣度的關(guān)聯(lián)規(guī)則挖掘.pdf

1、數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。它是一類深層次的數(shù)據(jù)分析方法，被認(rèn)為是解決“數(shù)據(jù)爆炸知識(shí)貧乏”的有效方法之一。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的重要模式之一，由于它能夠較好的捕捉數(shù)據(jù)間的重要關(guān)系，并且發(fā)現(xiàn)的規(guī)則形式簡(jiǎn)潔易于理解，近年來(lái)，已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域的一個(gè)熱點(diǎn)。本文對(duì)關(guān)聯(lián)規(guī)則挖掘進(jìn)行深入研究并提出新的規(guī)則挖掘方式，主要包括以下內(nèi)容：

2、 首先，對(duì)Apriori算法及其改進(jìn)算法進(jìn)行了深入研究，并針對(duì)算法的缺陷提出一種新的改進(jìn)算法-SHAI-FP-growth算法。SHAI-FP-growth算法是在FP-growth算法的基礎(chǔ)上針對(duì)FP-growth算法的伸縮性和實(shí)用性差的缺點(diǎn)，加入了劃分思想和篩選理論改進(jìn)而成的算法。試驗(yàn)證明該改進(jìn)算法能有效減少產(chǎn)生候選集的數(shù)目，并能有效減少掃描數(shù)據(jù)庫(kù)的次數(shù)。從而在時(shí)間復(fù)雜度和空間復(fù)雜度上都得到大的改進(jìn)。 其次，對(duì)現(xiàn)有的