基于關(guān)聯(lián)分類的動態(tài)關(guān)聯(lián)規(guī)則趨勢度挖掘方法研究.pdf

1、數(shù)據(jù)挖掘是數(shù)據(jù)庫知識發(fā)現(xiàn)的一個研究熱點。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)庫或數(shù)據(jù)倉庫中搜索隱藏于其中的有著某種特殊關(guān)系性的規(guī)則或驗證已知的規(guī)律。數(shù)據(jù)挖掘模式大致可分為回歸、關(guān)聯(lián)規(guī)則、時間序列、聚類和分類等模式。傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘只是針對事務(wù)數(shù)據(jù)庫的一種靜態(tài)的挖掘即認為規(guī)則不會隨著時間而變化。但是從某些實際數(shù)據(jù)庫中挖掘出來的關(guān)聯(lián)規(guī)則具有時間特性,因此有必要把時間這一因素添加進來觀察關(guān)聯(lián)規(guī)則在時間上的變化,即動態(tài)關(guān)聯(lián)規(guī)則。動態(tài)關(guān)聯(lián)規(guī)則在挖掘過程

2、中將時間進行等間隔劃分,在支持度和置信度的評價體系下進行規(guī)則評價。在此基礎(chǔ)上,引入趨勢度閾值修剪對用戶無價值的規(guī)則,避免生成無效的動態(tài)關(guān)聯(lián)規(guī)則來提高挖掘質(zhì)量,即動態(tài)關(guān)聯(lián)規(guī)則趨勢度挖掘。關(guān)聯(lián)分類是通過引入一個帶有類別標示符的訓練數(shù)據(jù)集來建立關(guān)聯(lián)分類器來對未知的數(shù)據(jù)對象進行預測。關(guān)聯(lián)分類具有較高的分類精度和較強的適應(yīng)性。但是傳統(tǒng)的關(guān)聯(lián)分類方法在算法的執(zhí)行效率、剪枝的質(zhì)量和效率以及分類的理解還存在有很多問題。
　　本文在相關(guān)理論研究的基

3、礎(chǔ)上,將動態(tài)關(guān)聯(lián)規(guī)則趨勢度挖掘和關(guān)聯(lián)分類方法結(jié)合起來,提出了基于關(guān)聯(lián)分類的動態(tài)關(guān)聯(lián)規(guī)則趨勢度挖掘方法。在動態(tài)關(guān)聯(lián)規(guī)則趨勢度挖掘的基礎(chǔ)上設(shè)計了基于優(yōu)先規(guī)則興趣度剪枝和兼容性特征向量的SVM分類器模型。利用動態(tài)關(guān)聯(lián)規(guī)則趨勢度挖掘方法生成類關(guān)聯(lián)規(guī)則集,然后分別通過給定的優(yōu)先規(guī)則興趣度和兼容性特征向量進行剪枝得到最終的關(guān)聯(lián)規(guī)則。算法在數(shù)據(jù)較少時發(fā)揮了關(guān)聯(lián)分類的優(yōu)勢,對于規(guī)則的挖掘和預測有著較好的效果。通過實驗數(shù)據(jù)的對比,驗證了其在動態(tài)關(guān)聯(lián)規(guī)則趨