關(guān)聯(lián)規(guī)則Eclat算法改進研究.pdf

1、數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的知識，并最終形成可理解的模式的非平凡過程。現(xiàn)今的數(shù)據(jù)庫系統(tǒng)已經(jīng)能夠?qū)崿F(xiàn)查詢、統(tǒng)計和報表，但處理方式相對單一，都只是對一定范圍內(nèi)的數(shù)據(jù)進行簡單的數(shù)字化處理，而不能提取隱藏在這些數(shù)據(jù)背后的內(nèi)在信息。隨著各行各業(yè)廣泛應(yīng)用信息管理系統(tǒng)，帶來了數(shù)據(jù)量的急速膨脹，人們迫切希望有一種功能，它能夠提供更高層次的數(shù)據(jù)分析，從而更好地支持決策或科研工作。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中關(guān)聯(lián)分析的運用，是數(shù)據(jù)挖掘一

2、個非常重要的學(xué)科，具有很高的理論價值和廣泛的應(yīng)用前景。
　　 關(guān)聯(lián)規(guī)則反映一個事物與其他事物之間的相互依存性和關(guān)聯(lián)性。如果兩個或多個事物之間存在著一定的關(guān)聯(lián)關(guān)系，那么其中一個事物就能夠通過其他事物預(yù)測到。關(guān)聯(lián)規(guī)則挖掘算法用于發(fā)現(xiàn)關(guān)聯(lián)規(guī)則，諸多的研究人員和學(xué)者對其進行了大量的研究。現(xiàn)有的關(guān)聯(lián)規(guī)則算法大多數(shù)是基于Apriori和FP-growth的迭代算法。通常數(shù)據(jù)庫有水平數(shù)據(jù)表示和垂直數(shù)據(jù)表示兩種形式，本文深入分析了頻繁項集的挖掘

3、問題，描述了現(xiàn)有的關(guān)聯(lián)規(guī)則分類和挖掘算法，并著重對傳統(tǒng)Apriori算法和AprioriTid算法進行分析，指出了他們各自的優(yōu)缺點。對于挖掘算法的性能，通常采用垂直數(shù)據(jù)表示的算法要高于水平數(shù)據(jù)表示，Eclat算法是首個采用垂直數(shù)據(jù)表示的經(jīng)典關(guān)聯(lián)挖掘算法。
　　 本文首先對Eclat算法進行了深入地研究和分析，并在此基礎(chǔ)上提出了一種改進算法——hEclat。該算法把散列表與布爾矩陣相結(jié)合，提出散列布爾矩陣的思想，對傳統(tǒng)Eclat算

4、法中求兩個Tidsets集合交集的操作進行改進，以提高求交集的速度，從而達到提升整個算法生成頻集、挖掘關(guān)聯(lián)規(guī)則的效率。
　　 對關(guān)聯(lián)規(guī)則挖掘而言，已有的很多研究只注重解決算法的時間效率，而忽視了關(guān)聯(lián)規(guī)則的多維特性，通過在關(guān)系數(shù)據(jù)庫中提取出用戶感興趣的多維關(guān)聯(lián)規(guī)則，在商務(wù)決策方面將更具指導(dǎo)意義，也更能夠滿足實際情況的需要。本文在傳統(tǒng)Eclat算法基礎(chǔ)上提出MD-Eclat算法，并構(gòu)造了一種新的數(shù)據(jù)預(yù)處理方法，實現(xiàn)從關(guān)系數(shù)據(jù)庫的普通