關聯(lián)規(guī)則算法研究及其在美洲進出口貿易數(shù)據(jù)挖掘中的應用.pdf

1、隨著計算機性能提高、成本下降以及數(shù)據(jù)管理技術的成功運用，社會信息化程度越來越高，數(shù)據(jù)存儲量急劇上升。然而，“數(shù)據(jù)豐富，知識匱乏”，決策者很難從海量的數(shù)據(jù)中提取出有價值的知識。面對這一挑戰(zhàn)，數(shù)據(jù)挖掘應運而生。數(shù)據(jù)挖掘有許多研究方向，關聯(lián)規(guī)則挖掘是其中最活躍的研究方向之一，它反映了大量數(shù)據(jù)中項目之間的有意義關聯(lián)或相關聯(lián)系，其中最經(jīng)典的算法是Apriori算法。但是該算法在挖掘頻繁項集時需要產(chǎn)生大量的候選項集，多次掃描數(shù)據(jù)庫，時間空間復雜度過

2、高。針對這一局限性，如何提高挖掘算法的效率就成為了關聯(lián)規(guī)則挖掘研究的核心問題。隨著各國進出口交易往來的頻繁，進出口貿易數(shù)據(jù)對研究和分析貿易市場行情和趨勢所起的作用正日益顯現(xiàn)出來，而采用數(shù)據(jù)挖掘中的關聯(lián)規(guī)則技術可以從海量的進出口貿易數(shù)據(jù)中得到有價值的關系和規(guī)律，從而為決策提供參考。本文對關聯(lián)規(guī)則挖掘算法進行了深入地研究，提出了一種改進方法，并將此方法應用于美洲進出口貿易數(shù)據(jù)挖掘中，得到可供決策參考的關聯(lián)規(guī)則。本論文具體工作如下：

3、1．理論介紹。對數(shù)據(jù)挖掘和關聯(lián)規(guī)則的基本理論進行了詳盡的闡述，通過理論介紹為算法研究和系統(tǒng)應用奠定了基礎。 2．算法研究。在理論認識的基礎上，深入分析了關聯(lián)規(guī)則挖掘經(jīng)典算法Apriori。針對大型關系數(shù)據(jù)庫中關聯(lián)規(guī)則挖掘的特點，提出了一種基于分塊編碼的新算法LCA，對其從理論、流程各方面進行了詳細介紹并演示了其實現(xiàn)步驟。最后通過實驗比較了LCA算法和Apriori算法，驗證了改進算法的有效性和優(yōu)勢。 3．系統(tǒng)應用?；贘