極大布爾關(guān)聯(lián)規(guī)則生成算法的研究.pdf

1、數(shù)據(jù)挖掘(Data Mining)是指從大量結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)中提取有用的信息和知識的過程，數(shù)據(jù)挖掘的研究已經(jīng)取得了重大的進展，而且被應(yīng)用到眾多的領(lǐng)域。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘研究中一個重要的研究課題，它主要用于發(fā)現(xiàn)隱藏在大型數(shù)據(jù)集中的令人感興趣的聯(lián)系。 本文首先介紹了數(shù)據(jù)挖掘的發(fā)展概況和應(yīng)用前景，然后通過研究關(guān)聯(lián)規(guī)則的挖掘現(xiàn)狀發(fā)現(xiàn)，大部分關(guān)聯(lián)規(guī)則挖掘的研究重點都放在如何提高挖掘頻繁項集或生成關(guān)聯(lián)規(guī)則的算法效率上。在實踐中，由頻繁

2、項集生成的關(guān)聯(lián)規(guī)則可能有很多，這將導(dǎo)致用戶無法高效地從關(guān)聯(lián)規(guī)則中提取有用的信息。本文重點研究了如何在不丟失關(guān)聯(lián)規(guī)則信息的基礎(chǔ)上減少關(guān)聯(lián)規(guī)則的生成數(shù)量，主要工作包括以下幾個方面： 1.通過研究發(fā)現(xiàn)以往的關(guān)聯(lián)規(guī)則挖掘算法如GRSET算法往往會產(chǎn)生“規(guī)則爆炸”的問題，由某個頻繁項集生成的關(guān)聯(lián)規(guī)則的數(shù)量可以在不丟失任何規(guī)則信息的情況下被減少。在綜合借鑒前人研究成果的基礎(chǔ)上本文提出的GLMBR算法深度優(yōu)先生成了任一個頻繁項集所對應(yīng)的局部極