基于約束的不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、近幾年來，隨著計算機(jī)軟硬件技術(shù)的不斷發(fā)展和應(yīng)用范圍的不斷拓展，各個領(lǐng)域廣泛出現(xiàn)了大量的不確定性數(shù)據(jù)。由于數(shù)據(jù)的不確定性，傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘方法難以適用于不確定性數(shù)據(jù)。對不確定性數(shù)據(jù)進(jìn)行挖掘算法的研究已經(jīng)成為了數(shù)據(jù)挖掘領(lǐng)域的新熱點。不確定性數(shù)據(jù)挖掘主要包括聚類、分類、頻繁項集挖掘、孤立點檢測等方面，其中關(guān)聯(lián)規(guī)則挖掘是重點研究的問題之一。
　　絕大多數(shù)關(guān)聯(lián)規(guī)則挖掘算法的整個挖掘過程缺乏用戶的主動參與和控制，使用戶無法根據(jù)挖掘進(jìn)程和挖掘數(shù)

2、據(jù)的特點來改變其參數(shù)或施加特定的約束，導(dǎo)致用戶很難得到滿意的結(jié)果。如果存在針對約束的關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行挖掘處理會使整個挖掘過程更加快捷，也更具有針對性。經(jīng)過研究與分析發(fā)現(xiàn)，目前對于不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘算法的研究大都集中在挖掘完全頻繁項集，而對基于約束的不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘的研究尚不多見。因此，對基于約束的不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘進(jìn)行深入的研究具有重要的意義。
　　本文首先闡述了課題的研究背景和研究意義，概述了不確定性數(shù)據(jù)

3、的產(chǎn)生原因和表現(xiàn)形式，討論了不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘的研究現(xiàn)狀，然后對傳統(tǒng)關(guān)聯(lián)挖掘的經(jīng)典算法進(jìn)行了簡要的介紹，重點討論了不確定性數(shù)據(jù)中用于關(guān)聯(lián)規(guī)則挖掘的U-Apriori，UF-growth算法，U-Eclat算法以及UH-mine算法。隨后，本文分析和歸納了解決基于約束的不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘的不同方案，并通過實例分析基于頻繁模式樹結(jié)構(gòu)的U-FPS算法，詳細(xì)介紹了該算法針對兩種不同約束條件（反單調(diào)且簡潔約束條件SAM和單調(diào)且簡潔約束

4、條件SUC）的實現(xiàn)過程和算法的優(yōu)缺點。最后本文提出了基于約束條件的不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘的US-Eclat算法，并通過實例詳細(xì)介紹了該算法針對兩種不同約束條件下的工作原理。US-Eclat算法是在Eclat算法的基礎(chǔ)上提出來的，該算法僅需對原始數(shù)據(jù)庫掃描一次，并充分利用了概念格對項集進(jìn)行有效修剪，有效解決了基于約束條件的不確定性數(shù)據(jù)關(guān)聯(lián)規(guī)則問題。經(jīng)過實驗將US-Eclat算法與U-Apriori和U-FPS進(jìn)行性能比較得知，US-Ec