改進(jìn)的Apriori算法及其在領(lǐng)域數(shù)據(jù)挖掘中的應(yīng)用.pdf

1、隨著計(jì)算機(jī)的普及應(yīng)用和計(jì)算機(jī)網(wǎng)絡(luò)的飛速發(fā)展，在過去若干年里，無論是商業(yè)企業(yè)、科研機(jī)構(gòu)或者政府部門，各個(gè)領(lǐng)域都積累了海量的并以不同形式存儲(chǔ)的數(shù)據(jù)。面對(duì)如此多的數(shù)據(jù)，人們不再滿足于日常的事務(wù)處理，而是更加關(guān)注能否從形式不同的，分散的，紛繁復(fù)雜的數(shù)據(jù)環(huán)境中得到有用的決策信息，從而可以做出正確的分析和決策。數(shù)據(jù)倉(cāng)庫和數(shù)據(jù)挖掘技術(shù)的產(chǎn)生為這個(gè)領(lǐng)域數(shù)據(jù)難題提供了一個(gè)很好的解決方案。
　　 數(shù)據(jù)倉(cāng)庫是一個(gè)面向主題的、集成的、不可更新的且隨時(shí)間

2、不斷變化的數(shù)據(jù)集合，用來支持管理人員決策的系統(tǒng)，它可以把領(lǐng)域內(nèi)以不同形式存儲(chǔ)的海量數(shù)據(jù)集成在一起供分析人員進(jìn)行分析。數(shù)據(jù)挖掘是一個(gè)從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過程，數(shù)據(jù)挖掘技術(shù)為領(lǐng)域數(shù)據(jù)分析人員提供數(shù)據(jù)分析的方法。本文首先對(duì)數(shù)據(jù)倉(cāng)庫和數(shù)據(jù)挖掘技術(shù)進(jìn)行了研究，提出領(lǐng)域數(shù)據(jù)倉(cāng)庫構(gòu)建的三層模型結(jié)構(gòu)和領(lǐng)域數(shù)據(jù)挖掘系統(tǒng)開發(fā)方法。進(jìn)而重點(diǎn)研究了關(guān)聯(lián)規(guī)則挖掘算法，

3、通過深入研究Apriori算法及其一些現(xiàn)有改進(jìn)算法，針對(duì)Apriori算法的不足提出四點(diǎn)改進(jìn)，設(shè)計(jì)完成了基于項(xiàng)集重排序的Apriori_Sort算法。
　　 為了驗(yàn)證改進(jìn)后算法的有效性，本文做了大量的實(shí)驗(yàn)，實(shí)驗(yàn)證明，改進(jìn)后的算法由于大大減少了候選項(xiàng)集的數(shù)量從而提高了算法的效率。將Apriori_Sort算法應(yīng)用到能源領(lǐng)域的數(shù)據(jù)挖掘系統(tǒng)中，對(duì)多維能源數(shù)據(jù)進(jìn)行了關(guān)聯(lián)規(guī)則挖掘，通過對(duì)關(guān)聯(lián)規(guī)則分析得到一些能源領(lǐng)域內(nèi)一些節(jié)能方案。最后，對(duì)