關(guān)聯(lián)規(guī)則挖掘及貝葉斯網(wǎng)表示研究.pdf

1、隨著計(jì)算機(jī)和自動(dòng)化數(shù)據(jù)采集的廣泛應(yīng)用，在各種應(yīng)用領(lǐng)域里的數(shù)據(jù)庫(kù)中存貯了大量的數(shù)據(jù)，這使得人們對(duì)這些數(shù)據(jù)進(jìn)行分析并轉(zhuǎn)化為有用知識(shí)的需求變的越來(lái)越迫切。于是，數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Databases．KDD)自然成為近年來(lái)人們從大型數(shù)據(jù)庫(kù)中獲取信息的一個(gè)重要研究領(lǐng)域。關(guān)聯(lián)規(guī)則分析是其中的一個(gè)重要分支，它用于發(fā)現(xiàn)存在于數(shù)據(jù)庫(kù)中的項(xiàng)或?qū)傩蚤g的有趣聯(lián)系，這些聯(lián)系是事先未知且隱藏的，即不能通過(guò)傳統(tǒng)的數(shù)據(jù)庫(kù)

2、邏輯操作或統(tǒng)計(jì)的方法得出。 關(guān)聯(lián)規(guī)則挖掘就是利用特定方法發(fā)掘數(shù)據(jù)庫(kù)中潛藏的關(guān)聯(lián)規(guī)則的過(guò)程。目前，面向傳統(tǒng)關(guān)聯(lián)規(guī)則即正關(guān)聯(lián)規(guī)則的挖掘已經(jīng)有了很多成熟的、經(jīng)典的算法，其中最為重要、最為經(jīng)典也是最有影響力的兩種算法為Apriori算法和FP growth算法。這兩種算法在開(kāi)采頻繁項(xiàng)目集集合時(shí)一個(gè)使用的是廣度優(yōu)先的搜索策略，一個(gè)使用的是深度優(yōu)先的搜索策略，二者各有優(yōu)缺，后來(lái)產(chǎn)生的種種算法大多是在這兩個(gè)算法的基礎(chǔ)上作的改進(jìn)。 20

3、02年，XinDong Wu在傳統(tǒng)關(guān)聯(lián)規(guī)則的基礎(chǔ)上進(jìn)行了擴(kuò)展，提出了負(fù)關(guān)聯(lián)規(guī)則，即形如A=>-B，-A=>B，-A=-B的關(guān)聯(lián)規(guī)則，負(fù)關(guān)聯(lián)規(guī)則對(duì)事務(wù)集中項(xiàng)的狀態(tài)進(jìn)行了擴(kuò)展，它不僅研究各項(xiàng)出現(xiàn)之間的關(guān)系，還研究各項(xiàng)出現(xiàn)與不出現(xiàn)的關(guān)系。同傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘相比，負(fù)關(guān)聯(lián)規(guī)則挖掘研究起步晚且難度更大，本文分析了負(fù)關(guān)聯(lián)規(guī)則挖掘的特點(diǎn)，比較了現(xiàn)有各種負(fù)關(guān)聯(lián)規(guī)則挖掘算法，在此基礎(chǔ)上，提出了一種能夠同時(shí)挖掘正、負(fù)關(guān)聯(lián)規(guī)則的算法，該算法是由Apriori改

4、進(jìn)而來(lái)的，在尋找頻繁項(xiàng)目集的過(guò)程中將非項(xiàng)加入了迭代，在生成關(guān)聯(lián)規(guī)則的過(guò)程中又引入了興趣度標(biāo)準(zhǔn)來(lái)對(duì)挖掘得來(lái)的規(guī)則進(jìn)行刪減。經(jīng)過(guò)理論分析和實(shí)驗(yàn)證明該種算法有效且可行。 關(guān)聯(lián)規(guī)則的形式簡(jiǎn)單，應(yīng)用起來(lái)高效、便捷，但是由于關(guān)聯(lián)規(guī)則不能表達(dá)不同規(guī)則之間的聯(lián)系，所以在某些比較復(fù)雜的應(yīng)用領(lǐng)域中，當(dāng)需要綜合考慮多種因素對(duì)結(jié)果的影響時(shí)，關(guān)聯(lián)規(guī)則的應(yīng)用就比較困難。而貝葉斯網(wǎng)是一種圖型化的模型，能夠圖形化地表示一組變量間的聯(lián)合概率分布，所以在對(duì)節(jié)點(diǎn)狀態(tài)

5、進(jìn)行推理的過(guò)程中，能夠綜合考慮各個(gè)因素(父節(jié)點(diǎn))的影響，針對(duì)此種情況，本文提出了一種基于貝葉斯網(wǎng)的關(guān)聯(lián)規(guī)則表示方法，把關(guān)聯(lián)規(guī)則從數(shù)據(jù)中挖掘出來(lái)后，經(jīng)過(guò)結(jié)構(gòu)學(xué)習(xí)和條件概率表的學(xué)習(xí)，最終將原來(lái)的規(guī)則以貝葉斯網(wǎng)的形式表示。從而有效地?cái)U(kuò)展了關(guān)聯(lián)規(guī)則的應(yīng)用。 已經(jīng)證明，在一般的貝葉斯網(wǎng)上的推理問(wèn)題是一個(gè)NP問(wèn)題，按照本文前面所述的轉(zhuǎn)換方法得到的貝葉斯網(wǎng)滿足原因獨(dú)立性，所以本文介紹了一種采用原因獨(dú)立性對(duì)貝葉斯網(wǎng)變形的方法，在經(jīng)過(guò)變形的貝葉斯