關(guān)聯(lián)規(guī)則挖掘及其在遙感數(shù)據(jù)處理中的應(yīng)用研究.pdf

1、隨著計算機技術(shù)的普及,商業(yè)、政府、企業(yè)中積存了大量的原始數(shù)據(jù),迫切需要一種有效的從大規(guī)模數(shù)據(jù)庫中發(fā)現(xiàn)有價值信息的工具和方法.數(shù)據(jù)挖掘,也稱數(shù)據(jù)庫知識發(fā)現(xiàn),是從數(shù)據(jù)庫中發(fā)現(xiàn)并提取新穎的、有效的、并能為人們理解的高級處理過程. 關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中的一個重要問題,關(guān)聯(lián)規(guī)則挖掘目的在于發(fā)現(xiàn)大量數(shù)據(jù)中項集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系,從而生成關(guān)聯(lián)規(guī)則.利用這些規(guī)則可以有助于發(fā)現(xiàn)交易數(shù)據(jù)庫中不同商品(項)之間的聯(lián)系等.本文的主要工作如下:

2、 首先,對經(jīng)典關(guān)聯(lián)規(guī)則算法進行了分析并做出了改進.針對Apriori算法需要多次重復掃描數(shù)據(jù)庫的缺點,利用非頻繁項目集的超集是非頻繁項目集這一性質(zhì),提出一種通過判斷K維項目集的K-1維子集的個數(shù)來減少數(shù)據(jù)庫掃描次數(shù)的方法.在FP-growm算法的基礎(chǔ)上提出一種投影算法.當數(shù)據(jù)庫很大時在構(gòu)造FP-tree的過程中,由于將事務(wù)中的頻繁項插入到FP-tree的過程是一個嚴格串行計算的過程,可能會造成性能上瓶頸.本文提出一種通過建立一個

3、小數(shù)據(jù)庫來存儲臨時節(jié)點的并行策略快速構(gòu)造頻繁模式樹,提高了算法的效率,減少了不必要的開銷. 其次,在對數(shù)據(jù)預處理方法研究的基礎(chǔ)上提出一種基于模糊集和聚類的離散化方法.通過對數(shù)據(jù)進行均值聚類得到期望的中心簇,建立隸屬函數(shù).根據(jù)隸屬函數(shù)對數(shù)量型數(shù)據(jù)進行轉(zhuǎn)化,計算其隸屬度,用最大值的語義來代替原先的數(shù)據(jù),從而完成布爾型轉(zhuǎn)化.該方法可以有效的解決屬性劃分時邊界過硬的問題. 最后,對關(guān)聯(lián)規(guī)則在遙感數(shù)據(jù)處理中的應(yīng)用進行了討論.隨著遙