基于圖的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法的研究及其應(yīng)用.pdf

1、隨著信息技術(shù)的飛速發(fā)展，數(shù)據(jù)積壓現(xiàn)象越來(lái)越嚴(yán)重，人們面臨海量數(shù)據(jù)卻無(wú)從下手，數(shù)據(jù)挖掘技術(shù)的誕生，使得人們從這樣的尷尬情形中解放出來(lái)。作為數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要分支，關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘由于其簡(jiǎn)單、易于表示和理解而得到了廣泛的研究。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘存在兩類代表性算法，一類是以Apriori算法為代表的候選項(xiàng)集至頻繁項(xiàng)集迭代算法；另一類足以FP樹(shù)算法為代表的無(wú)需產(chǎn)生候選項(xiàng)集的頻繁項(xiàng)集生成算法。本文針對(duì)關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘做了理論上的研究并且在此基礎(chǔ)

2、上對(duì)研究生信息數(shù)據(jù)庫(kù)進(jìn)行了挖掘?qū)嶒?yàn)。
　　 本文主要做了以下幾個(gè)方面的工作：
　　 (1)研究基于圖的關(guān)聯(lián)規(guī)則挖掘算法DLG，研究數(shù)據(jù)庫(kù)事務(wù)的矩陣編碼、候選項(xiàng)集的剪枝方案、頻繁項(xiàng)集的圖搜索策略，并在此基礎(chǔ)上提出了改進(jìn)算法CAG。
　　 (2)根據(jù)研究生數(shù)據(jù)庫(kù)的實(shí)際情況，提出了在數(shù)據(jù)預(yù)處理階段中兩種數(shù)據(jù)抽取策略：外鍵關(guān)系查詢和類公交換乘算法。其中重點(diǎn)分析了類公交換乘算法如何實(shí)施于研究生信息數(shù)據(jù)庫(kù)中，該算法具有一定的

3、通用性，適用于數(shù)據(jù)庫(kù)比較龐大的情形。
　　 (3)在關(guān)聯(lián)規(guī)則挖掘中，連續(xù)型數(shù)據(jù)通常都要采用離散化處理方案，才能應(yīng)用于挖掘算法。傳統(tǒng)的離散化方法只是將數(shù)據(jù)按照經(jīng)驗(yàn)來(lái)劃分為若干個(gè)區(qū)間，然后判定數(shù)據(jù)散落到哪個(gè)區(qū)間，從而達(dá)到離散化的目的，文中采用改進(jìn)的k-means算法對(duì)數(shù)據(jù)進(jìn)行了離散化處理，更加合理地對(duì)數(shù)據(jù)進(jìn)行了分類。
　　 (4)利用關(guān)聯(lián)規(guī)則的相關(guān)算法，以研究生信息數(shù)據(jù)庫(kù)為基礎(chǔ)，從兩個(gè)方面對(duì)研究生信息數(shù)據(jù)庫(kù)進(jìn)行了挖掘：一方面