關聯(lián)規(guī)則算法及度量方法研究.pdf

1、數(shù)據挖掘是知識發(fā)現(xiàn)(KDD)過程中的核心部分，數(shù)據挖掘是從大量數(shù)據中發(fā)現(xiàn)有趣模式，即從數(shù)據庫海量的數(shù)據中找出隱含的、未知的、但卻是非常有用的信息。關聯(lián)規(guī)則是數(shù)據挖掘重要技術之一，本文對關聯(lián)規(guī)則進行分析研究，主要包括以下內容： (1)對Apriori算法進行深入研究。分析算法思想，針對算法缺陷，本文分別給出改進算法。實例證明，改進后的算法能有效減少候選項集個數(shù)，提高執(zhí)行效率；有效減少掃描數(shù)據庫次數(shù)，減小I/O負擔。 (2)

2、深入研究FP-Growth算法思想和FP-Tree存儲結構。通過分析算法，得到影響FP-Tree大小的因素，建樹的過程中確保壓縮效果最好，從而減小I/O負擔，提高算法效率。結合實例，比較了Apriori算法和FP-Growth算法性能。 (3)對關聯(lián)規(guī)則度量方法進行了深入研究。本文分別從數(shù)學和規(guī)則度量兩個方面，重點分析了興趣度度量存在的問題。針對現(xiàn)有度量標準存在的不足，結合規(guī)則有效性原則，提出一種度量改進方法。分析結果表明，該改