關(guān)聯(lián)挖掘的若干研究.pdf

1、碩士學(xué)位論文論文題目(中文)關(guān)聯(lián)挖掘的若干研究ResearchofAssocIatlonMining姓名學(xué)科專業(yè)研究方向指導(dǎo)教師完成時間論文題目(英文)馬猛學(xué)校代碼：10357學(xué)號：計算機應(yīng)用機器學(xué)習與智能軟件倪志偉2005年5月摘要快速發(fā)展的信息技術(shù)和互聯(lián)網(wǎng)的迅速普及，導(dǎo)致在各個應(yīng)用領(lǐng)域的數(shù)據(jù)庫中存儲了大量數(shù)據(jù)，這些數(shù)據(jù)集中包含著很多有用的知識，因此如何從各種大型或密集數(shù)據(jù)庫中發(fā)現(xiàn)所隱藏的、預(yù)先未知的信息就顯得尤為重要，這詎是數(shù)據(jù)挖掘

2、所要完成的任務(wù)。關(guān)聯(lián)挖掘作為數(shù)據(jù)挖掘的一個重要研究分支，其主要研究目的就是從大型數(shù)據(jù)集中發(fā)現(xiàn)隱藏的、有趣的、屬性間的規(guī)律，即關(guān)聯(lián)規(guī)則。由于形式簡單、易于理解，且是從大型數(shù)據(jù)庫中提取知識的主要手段，因此，關(guān)聯(lián)規(guī)則挖掘的研究和應(yīng)用已經(jīng)得到了數(shù)據(jù)庫、人工智能及統(tǒng)計學(xué)等領(lǐng)域里學(xué)者的極大關(guān)注，并取得了不少的研究成果。隨著數(shù)據(jù)庫規(guī)模的不斷擴大，在密集數(shù)據(jù)庫中進行關(guān)聯(lián)挖掘也遇到了很大的挑戰(zhàn)。傳統(tǒng)的關(guān)聯(lián)挖掘算法大多是基于Apriori算法，該類算法在挖

3、掘密集數(shù)據(jù)庫時遇到了很大的困難。Apriori算法是一個逐層迭代和候選產(chǎn)生一檢測算法。算法掃描數(shù)據(jù)庫次數(shù)與最大頻繁項集的長度相等，隨著數(shù)據(jù)庫規(guī)模增大，最大頻繁項集長度增加，算法掃描數(shù)據(jù)庫耗時將大大增加；大量候選項集的產(chǎn)生將占用犬量CPU計算時問。此外，大量中問結(jié)果的產(chǎn)生，也使內(nèi)存瓶頸問題：怍常突出。為了解決密集數(shù)據(jù)庫上關(guān)聯(lián)挖掘困難的問題，本文在第三章介紹了一個新穎的數(shù)據(jù)記錄存儲格式一異集。異集數(shù)據(jù)庫較傳統(tǒng)數(shù)據(jù)庫而言，一方面大大縮減了密集

4、數(shù)據(jù)庫的規(guī)模，另一方面，基于異集數(shù)據(jù)庫挖掘頻繁項集時，所產(chǎn)生的中間結(jié)果也大大縮減，極大的提高了算法的性能?；趥鹘y(tǒng)算法挖掘密集數(shù)據(jù)庫所得到的關(guān)聯(lián)規(guī)則集中存在著大量冗余，這必然不利于用戶查找有用信息，合理決策，因此如何去除規(guī)則集中的冗余規(guī)則，且無信息丟失，就顯得尤為重要。特別是隨著數(shù)據(jù)庫規(guī)模不斷擴大，這個問題也越來越突出。頻繁閉項集集合是頻繁項集集合的一個子集，就數(shù)量規(guī)模而言，頻繁閉項集集合遠小于頻繁項集集合，并且從頻繁閉項集集合能導(dǎo)出所