數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則及應(yīng)用的研究.pdf

1、本文主要研究關(guān)聯(lián)規(guī)則挖掘理論及其算法模型在粗糙集知識(shí)表中的應(yīng)用。首先，在文中系統(tǒng)介紹了數(shù)據(jù)挖掘的定義、方法、發(fā)展方向，針對(duì)其中的關(guān)聯(lián)規(guī)則挖掘，討論了各類關(guān)聯(lián)規(guī)則算法。由于關(guān)聯(lián)規(guī)則挖掘方法會(huì)產(chǎn)生大量規(guī)則，為了挖掘出用戶感興趣的規(guī)則，本文提出一種利潤(rùn)約束的關(guān)聯(lián)規(guī)則挖掘算法。此外，借鑒關(guān)聯(lián)規(guī)則算法模型的思想，提出一種獲取缺省規(guī)則的新方法MDRBapriori，從決策表中提取具有一定支持度和可信度閾值的不確定規(guī)則。在本文中，主要做了以下工作：

2、 (1)給出了關(guān)聯(lián)規(guī)則的定義，說明了挖掘關(guān)聯(lián)規(guī)則的意義，研究了關(guān)聯(lián)規(guī)則挖掘的步驟，并且探討了關(guān)聯(lián)規(guī)則挖掘存在的問題及發(fā)展方向。 (2)針對(duì)關(guān)聯(lián)規(guī)則算法存在的一些問題，詳細(xì)分析了目前提出的有關(guān)關(guān)聯(lián)規(guī)則興趣度的各種主觀和客觀評(píng)價(jià)方法。本文引入企業(yè)關(guān)注的領(lǐng)域知識(shí)——利潤(rùn)，提出基于利潤(rùn)約束的關(guān)聯(lián)規(guī)則挖掘方法，以增強(qiáng)規(guī)則的有趣性，提高規(guī)則挖掘的針對(duì)性。 挖掘出的關(guān)聯(lián)規(guī)則，加上利潤(rùn)度量，就可以分析出哪些商品的搭配可以獲得最大的

3、利益。一般的關(guān)聯(lián)規(guī)則只是單純的項(xiàng)目與項(xiàng)目之間的一種關(guān)系，典型的就是買A的同時(shí)會(huì)買B的可能性的一種趨勢(shì)分析。而我們加入量化參數(shù)利潤(rùn)分析關(guān)聯(lián)規(guī)則，拓寬了關(guān)聯(lián)規(guī)則的表達(dá)能力，讓決策者對(duì)于關(guān)聯(lián)規(guī)則的意義有更進(jìn)一步的認(rèn)識(shí)，并從中找出能使銷售利潤(rùn)最大化的最佳商品促銷方案。 在關(guān)聯(lián)規(guī)則算法的“支持度——置信度”框架中，是從“大處”著眼，關(guān)注的是出現(xiàn)頻數(shù)較高的項(xiàng)目集，要挖掘符合用戶預(yù)期的利潤(rùn)要求的模式，不得不從“小處”著眼，這是因?yàn)榇嬖谥?0

4、％的業(yè)務(wù)帶來80％的利潤(rùn)”這樣的領(lǐng)域知識(shí)。本文利用相對(duì)支持度的概念來挖掘稀有數(shù)據(jù)，再進(jìn)一步結(jié)合利潤(rùn)量參數(shù)作為約束條件，這樣就可以求出零售事務(wù)數(shù)據(jù)庫(kù)中所有滿足用戶利潤(rùn)要求的關(guān)聯(lián)規(guī)則，不論其支持度的高低，都可以運(yùn)用本文的算法挖掘出來。 (3)簡(jiǎn)要介紹了粗糙集的基本概念以及一般的屬性約簡(jiǎn)方法，著重分析了Mollestad和Skowron提出的缺省規(guī)則的發(fā)現(xiàn)算法——投影算法的算法框架及性能。 (4)針對(duì)投影算法的一些不足，擴(kuò)展了

5、缺省規(guī)則的定義，提出一種獲取缺省規(guī)則的新算法——MDRBapriori算法。本文通過對(duì)投影算法和關(guān)聯(lián)規(guī)則算法模型的詳細(xì)分析，發(fā)現(xiàn)它們求解問題的實(shí)質(zhì)是相同的，因而具有一種方法被另一種方法替代的可能性。因此，基于Apriori算法提出缺省規(guī)則挖掘的新算法MDRBapriori算法，它是獨(dú)立于粗糙集方法但可以獲取大致相同的規(guī)則的一種方提出的方法有很強(qiáng)的操作性和可實(shí)現(xiàn)性。 最后，對(duì)全文進(jìn)行了概括性總結(jié)，并指出了有待進(jìn)一步研究和完善的問題