基于分布式概念格的關聯規(guī)則算法研究及其在中美洲進出口貿易數據分析中的應用.pdf

1、隨著各國進出口貿易往來日趨頻繁，每天都會產生大量的交易數據，能否從這些海量交易數據中提取出有效信息與規(guī)則，對于企業(yè)與政府做出商業(yè)決策顯得尤為重要。而數據挖掘正是實現這一手段的重要方法之一，關聯規(guī)則作為數據挖掘中最活躍的研究方向，它反映了大量數據項目之間有意義的關聯和聯系。因此，采用數據挖掘中的關聯規(guī)則技術可以從海量貿易數據中提取出有價值的規(guī)則信息，從而為決策提供參考。然而，傳統(tǒng)的關聯規(guī)則算法有很多局限性，如何提高挖掘算法的效率已成為了關

2、聯規(guī)則算法研究的核心問題。概念格作為知識表達的一種簡潔手段，近年來以其在這方面特有的優(yōu)勢正贏得越來越多研究者的關注。 本文在對傳統(tǒng)關聯規(guī)則算法研究分析的基礎上，針對進出口貿易數據的特點，將概念格模型引入關聯規(guī)則算法研究當中，并針對概念格的表示、存儲及訪問方式進行了改進，給出了一種基于排序索引鏈表的概念格新算法-OICL算法，極大地提高了概念格構造及規(guī)則提取的效率，降低了算法的時空復雜度。然后針對OICL算法設計了一種高效的分布式

3、挖掘方案，給出了算法流程圖。最后使用該方案在J2EE平臺上對系統(tǒng)進行了設計與實現。本文所做的具體工作如下： 1.介紹了數據挖掘和關聯規(guī)則的基本理論，針對傳統(tǒng)關聯規(guī)則算法的缺陷，將概念格引入關聯規(guī)則算法研究中，闡述了基于概念格模型的規(guī)則提取理論。 2.在分析了經典概念格算法的基礎上，針對概念格的表示、存儲及訪問方式進行了改進，給出了一種基于排序索引鏈表的概念格新算法OICL。不僅對其從理論、流程等方面進行了詳細地闡述，還針