基于矩陣的關(guān)聯(lián)規(guī)則挖掘算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、數(shù)據(jù)挖掘技術(shù)是解決數(shù)據(jù)豐富而知識(shí)貧乏的有效途徑,當(dāng)屬信息科學(xué)領(lǐng)域的前沿研究課題之一,有關(guān)的研究和應(yīng)用極大提高了決策支持的能力,它已被公認(rèn)為是數(shù)據(jù)庫(kù)研究中一個(gè)極富應(yīng)用前景的領(lǐng)域.本文描述了數(shù)據(jù)挖掘的概念、功能,數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu)與分類,以及數(shù)據(jù)挖掘與傳統(tǒng)數(shù)據(jù)分析工具和機(jī)器學(xué)習(xí)的區(qū)別.在眾多的數(shù)據(jù)挖掘算法中,基于關(guān)聯(lián)規(guī)則的挖掘是一個(gè)重要的研究?jī)?nèi)容.自Agrawal R等人在1993年提出關(guān)聯(lián)規(guī)則的概念,并在1994年提出挖掘關(guān)聯(lián)規(guī)則的經(jīng)典A

2、priori算法之后,有好多學(xué)者對(duì)其進(jìn)行了研究并提出了一些新的算法.本文在對(duì)關(guān)聯(lián)規(guī)則挖掘問(wèn)題研究和總結(jié)的基礎(chǔ)上,對(duì)現(xiàn)有的關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行了分類,深入地分析和探討了一些典型的關(guān)聯(lián)規(guī)則挖掘算法,如AIS算法、Apriori算法及基于劃分、基于采樣、基于哈希等對(duì)該算法的一些改進(jìn)算法、FP-Growth算法、DLG算法等,指出了這些算法的優(yōu)缺點(diǎn).同時(shí)提出了基于矩陣的挖掘關(guān)聯(lián)規(guī)則的ABM算法,并將該算法與經(jīng)典的發(fā)現(xiàn)頻繁項(xiàng)集的算法進(jìn)行了比較,該

3、算法只需要掃描數(shù)據(jù)庫(kù)一遍,不需要產(chǎn)生候選集,并且存放輔助信息所需要的空間也要少.作者在Windows 2000環(huán)境下用Delphi6實(shí)現(xiàn)了經(jīng)典的Apriori算法和ABM算法,根據(jù)實(shí)驗(yàn)結(jié)果對(duì)這兩個(gè)算法進(jìn)行了分析和比較.現(xiàn)有的許多挖掘關(guān)聯(lián)規(guī)則的算法多是針對(duì)歷史靜態(tài)數(shù)據(jù)庫(kù)的,而對(duì)于關(guān)聯(lián)規(guī)則的更新維護(hù)問(wèn)題的研究卻比較少.由于應(yīng)用中的數(shù)據(jù)庫(kù)極其巨大,不僅需要設(shè)計(jì)高效的算法來(lái)挖掘關(guān)聯(lián)規(guī)則,而且也需要設(shè)計(jì)高效的算法來(lái)更新維護(hù)己開采出來(lái)的規(guī)則.本文討