關(guān)聯(lián)規(guī)則挖掘算法的研究及其應(yīng)用.pdf

1、隨著數(shù)據(jù)庫應(yīng)用的不斷深入，數(shù)據(jù)庫的規(guī)模急劇膨脹，人們需要對這些數(shù)據(jù)進行分析，從中發(fā)現(xiàn)有價值的信息。數(shù)據(jù)挖掘致力于數(shù)據(jù)分析和理解、揭示數(shù)據(jù)內(nèi)部蘊藏的知識。近年來，它的發(fā)展已經(jīng)引起了信息產(chǎn)業(yè)界的極大關(guān)注，有著廣闊的應(yīng)用前景，并成為當今研究的熱點。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)域中的一個非常重要的研究課題，廣泛應(yīng)用于各個領(lǐng)域，既可以檢驗行業(yè)內(nèi)長期形成的知識模式，也能夠發(fā)現(xiàn)隱藏的規(guī)律。有效地發(fā)現(xiàn)、理解、運用關(guān)聯(lián)規(guī)則是完成數(shù)據(jù)挖掘任務(wù)的重要手段，因此對關(guān)聯(lián)

2、規(guī)則的研究具有重要的理論價值和現(xiàn)實意義。 本課題即對數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則進行系統(tǒng)研究，主要包括以下內(nèi)容： 1、數(shù)據(jù)挖掘技術(shù)的分析與研究。對數(shù)據(jù)挖掘技術(shù)的產(chǎn)生進行了簡要的回顧，在提出數(shù)據(jù)挖掘基本概念的基礎(chǔ)上，對數(shù)據(jù)挖掘的對象、可發(fā)現(xiàn)的模式和經(jīng)常使用的技術(shù)進行了詳細的分類和總結(jié)。分析了數(shù)據(jù)挖掘技術(shù)的研究現(xiàn)狀，對數(shù)據(jù)挖掘技術(shù)的熱點研究領(lǐng)域進行了探討，為本課題的全面開展奠定了基礎(chǔ)。 2、關(guān)聯(lián)規(guī)則的研究與分析。在對現(xiàn)有的關(guān)

3、聯(lián)規(guī)則文獻研究的基礎(chǔ)上，本文對關(guān)聯(lián)規(guī)則的種類進行了全面地分類和總結(jié)，詳細地介紹了關(guān)聯(lián)規(guī)則的基本概念和基本性質(zhì)，對關(guān)聯(lián)規(guī)則的典型挖掘算法及其基本思想進行了分析和研究，討論了提高該算法效率的各種優(yōu)化技術(shù)，并且客觀地分析了它們的優(yōu)缺點。 3、在傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法中，廣泛采用了“支持度—置信度”的評價標準。然而在很多時候，挖掘出來的關(guān)聯(lián)規(guī)則其支持度和置信度都很高，卻沒有實際意義。針對上述問題，本文引入了關(guān)聯(lián)規(guī)則的一個興趣度的度量——

4、相關(guān)支持度(SR)，將支持度、置信度和相關(guān)支持度一起作為有效關(guān)聯(lián)規(guī)則的評價標準。 4、分析經(jīng)典頻繁項集挖掘算法Apriori算法，針對該算法中存在的效率瓶頸問題，提出了一個改進的挖掘算法——MM_Apriori(Multiply_Matrix_Apriori)，并實現(xiàn)了該算法。改進后的算法通過頻繁1-項集生成矩陣的轉(zhuǎn)置MT與矩陣M相乘來獲得頻繁2-項集，從而減少了Apriori算法生成頻繁2-項集的時間開銷。理論和實驗證明，改進