數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則的研究及在高校教學(xué)質(zhì)量評(píng)估中的應(yīng)用.pdf

1、近年伴隨著數(shù)據(jù)量的急劇增長，數(shù)據(jù)挖掘己經(jīng)成為人工智能、模式識(shí)別等領(lǐng)域的研究熱點(diǎn)，已經(jīng)越來越引起人們重視。其中，關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中最活越的研究方向之一。本文對(duì)數(shù)據(jù)挖掘技術(shù)，尤其是關(guān)聯(lián)規(guī)則挖掘及其應(yīng)用進(jìn)行了系統(tǒng)學(xué)習(xí)和分析研究，主要包括以下內(nèi)容： 1．Apriori改進(jìn)算法的設(shè)計(jì)和分析。對(duì)現(xiàn)有關(guān)聯(lián)規(guī)則挖掘文獻(xiàn)進(jìn)行調(diào)研，特別是對(duì)經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法Apriori算法及其各種優(yōu)化改進(jìn)技術(shù)進(jìn)行了廣泛研究。在此基礎(chǔ)上，提出了命名為Apri

2、ori-B的改進(jìn)算法，該算法主要考慮Apriori算法中頻繁項(xiàng)目集生成的瓶頸問題，通過減少事務(wù)數(shù)據(jù)庫掃描次數(shù)、壓縮進(jìn)一步迭代掃描事務(wù)數(shù)的方法對(duì)Apriori算法進(jìn)行改進(jìn)。我們通過實(shí)例，給出了采用Apriori-B算法進(jìn)行關(guān)聯(lián)規(guī)則挖掘，發(fā)現(xiàn)頻繁項(xiàng)集的過程。通過與Apriori算法的對(duì)比性實(shí)驗(yàn)，對(duì)Apriori-B算法的性能進(jìn)行了分析。 2．關(guān)聯(lián)規(guī)則有效性的研究。為了挖掘真實(shí)有效的關(guān)聯(lián)規(guī)則，目前常用的衡量標(biāo)準(zhǔn)是關(guān)聯(lián)規(guī)則的支持度和置信

3、度。如果按現(xiàn)有標(biāo)準(zhǔn)來生成關(guān)聯(lián)規(guī)則，可能會(huì)發(fā)現(xiàn)大量冗余的、虛假的關(guān)聯(lián)規(guī)則。為了減少關(guān)聯(lián)規(guī)則挖掘中無效關(guān)聯(lián)規(guī)則，我們提出了三種改進(jìn)方法，即在關(guān)聯(lián)規(guī)則的衡量標(biāo)準(zhǔn)中增加興趣度、有效度或綜合評(píng)定度標(biāo)準(zhǔn)，并分別定義了這三種度量。根據(jù)興趣度、有效度或綜合評(píng)定度的大小，我們將強(qiáng)關(guān)聯(lián)規(guī)則分為正關(guān)聯(lián)規(guī)則、無效關(guān)聯(lián)規(guī)則和負(fù)關(guān)聯(lián)規(guī)則。一般來說只有正關(guān)聯(lián)規(guī)則才是有效的關(guān)聯(lián)規(guī)則，有時(shí)它們只占強(qiáng)關(guān)聯(lián)規(guī)則總數(shù)的一小部分。最后，我們提供了基于新衡量標(biāo)準(zhǔn)進(jìn)行關(guān)聯(lián)規(guī)則挖掘的