數(shù)據(jù)挖掘技術(shù)在物流管理系統(tǒng)上的應(yīng)用研究.pdf

1、隨著數(shù)據(jù)庫(kù)應(yīng)用的不斷深入，數(shù)據(jù)庫(kù)的規(guī)模急劇膨脹，人們需要對(duì)這些數(shù)據(jù)進(jìn)行分析，從中發(fā)現(xiàn)有價(jià)值的信息。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)實(shí)現(xiàn)了這個(gè)目標(biāo)。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。 關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要研究分支它的任務(wù)是發(fā)現(xiàn)所有滿足支持度閾值和置信度閾值的強(qiáng)關(guān)聯(lián)規(guī)則。 近年來(lái)，關(guān)聯(lián)規(guī)則挖掘研究已經(jīng)成為數(shù)據(jù)挖掘中的一個(gè)熱點(diǎn)

2、，并被廣泛應(yīng)用于市場(chǎng)營(yíng)銷、事務(wù)分析等應(yīng)用領(lǐng)域。關(guān)聯(lián)規(guī)則挖掘算法是關(guān)聯(lián)規(guī)則挖掘研究的主要內(nèi)容，迄今為止已提出了許多高效的關(guān)聯(lián)規(guī)則挖掘算法。 本文首先介紹了數(shù)據(jù)挖掘的定義及主要的數(shù)據(jù)挖掘技術(shù)，以及數(shù)據(jù)挖掘的應(yīng)用和發(fā)展趨勢(shì)。接著詳細(xì)描述了關(guān)聯(lián)規(guī)則挖掘的基本理論和算法，并對(duì)Apriori算法進(jìn)行了一定的優(yōu)化。為了驗(yàn)證本文提出優(yōu)化方法的有效性，在關(guān)聯(lián)規(guī)則理論與研究的基礎(chǔ)上，將改進(jìn)后的算法應(yīng)用于物流管理系統(tǒng)，實(shí)驗(yàn)結(jié)果證明了優(yōu)化方法的有效性。

3、本文的主要工作體現(xiàn)在以下兩個(gè)方面： 第一，對(duì)經(jīng)典的Apriori算法做了全面的分析，針對(duì)Apriori算法的不足，本文給出了一種優(yōu)化方法，該算法只掃描數(shù)據(jù)庫(kù)一次，將數(shù)據(jù)庫(kù)中的數(shù)據(jù)存于數(shù)組向量中?；陉P(guān)聯(lián)規(guī)則的性質(zhì)，對(duì)掃描的事務(wù)數(shù)和項(xiàng)目數(shù)，連接步驟等進(jìn)行壓縮和優(yōu)化，并且利用一維數(shù)組對(duì)候選2-項(xiàng)集進(jìn)行計(jì)數(shù)，從而避免大量候選2項(xiàng)集的產(chǎn)生，有效解決了傳統(tǒng)算法候選2項(xiàng)集的瓶頸問(wèn)題，此算法與Apriori算法相比有明顯的提高。 第二