關聯(lián)規(guī)則挖掘算法及其在電信中的應用研究.pdf

1、近年來，數(shù)據(jù)挖掘技術研究引起了國內(nèi)外人工智能和數(shù)據(jù)庫領域?qū)＜业膹V泛關注。關聯(lián)規(guī)則的挖掘是其中一個重要的研究方向，在許多商業(yè)應用中都取得了十分理想的效果。在電信行業(yè)中，隨著通信市場競爭的加劇和市場的日益飽和，現(xiàn)有用戶的價值提升和消費潛力挖掘己經(jīng)成為運營商市場經(jīng)營的首要工作，一種基于關聯(lián)規(guī)則挖掘的新興營銷方式--交叉銷售正是適應了這種變化。 本文首先分析了現(xiàn)有的模糊關聯(lián)規(guī)則和正負關聯(lián)規(guī)則挖掘算法的特點和存在的問題，針對不足之處提出改

2、進方法，并提出了一種新的模糊正負關聯(lián)規(guī)則挖掘算法(FPNAR)，然后針對算法給出了用于實際電信項目的例子，分析了FPNAR算法在電信行業(yè)交叉銷售應用的可行性。 本論文主要研究工作概括如下： 首先在數(shù)據(jù)預處理中，采用了一種基于聚類中心點的模糊離散化方法。該方法主要分兩層實現(xiàn)：首先對待離散化數(shù)據(jù)進行聚類，得出其聚類中心點；然后根據(jù)各類中心點確定隸屬度函數(shù)參數(shù)，并通過隸屬度函數(shù)離散化數(shù)據(jù)。基于聚類的模糊離散化方法充分利用了數(shù)據(jù)

3、集的分布特征和分類信息，實現(xiàn)了數(shù)據(jù)的智能離散化，克服了因人為制定隸屬度函數(shù)參數(shù)錯誤導致的挖掘結(jié)果錯誤。 其次在建模過程中，在現(xiàn)有的正負關聯(lián)規(guī)則挖掘算法的基礎上，本論文采用一種多重最小支持度的方法，有效控制頻繁項集和非頻繁項集的數(shù)量，保證了挖掘規(guī)則的數(shù)量和算法的效率，并結(jié)合最小相關性系數(shù)約束，剔除了大量無意義規(guī)則，提高了挖掘結(jié)果的質(zhì)量。在標準數(shù)據(jù)集的仿真中取得了較好的效果。 最后，在本文中詳細介紹了一個具體的電信行業(yè)數(shù)據(jù)挖