兩種改進的關鍵規(guī)則挖掘算法研究與應用.pdf

1、隨著數據庫技術的快速發(fā)展和應用，累積了大量的數據，如何有效、合理的運用這些數據，發(fā)掘數據背后隱藏的知識成為了人們關注的重點。傳統(tǒng)的統(tǒng)計數據分析已難堪大任，而數據挖掘作為分析數據的一種新的工具受到越來越多的重視，成為信息技術的熱門研究領域。關聯(lián)規(guī)則作為數據挖掘的一個重要的分支，也得到了長足的發(fā)展，在很多方面已經取得了重要的成果，但在面對海量數據情況下仍然面臨著很多挑戰(zhàn)。隨著關聯(lián)規(guī)則的發(fā)展，學者提供了各種關聯(lián)規(guī)則挖掘算法，比較經典的包括Ap

2、riori算法、Fp-Growth算法、DHP算法等。但是結合計算機技術和實際應用場景很多算法都有較大的改進空間，因此本文在分析了國內外關聯(lián)規(guī)則研究現(xiàn)狀的基礎上，提出了兩種改進的關聯(lián)規(guī)則挖掘算法。
　　本研究主要內容包括：⑴對數據挖掘和關聯(lián)規(guī)則的基本理論進行了分類總結。并詳細闡述了Apriori和DHP兩種經典的關聯(lián)規(guī)則挖掘算法。⑵提出了改進的Apriori算法----DecBitApriori算法，DecBitApriori算法

3、將事物數據庫轉換成十進制數數據庫，然后使用與位運算計算候選集的支持度。最后通過實驗驗證了DecBitApriori算法在運行效率上的提高。⑶提出了改進的DHP算法----RBTDHP算法，RBTDHP算法使用紅黑樹數據結構處理DHP算法散列過程中的沖突，可以讓所有的候選集單獨計數，避免了DHP算法需要重復掃描數據庫得到候選集的支持度。⑷基于超市實際購物數據，使用DecBitApriori算法挖掘關聯(lián)規(guī)則，然后根據挖掘出的關聯(lián)規(guī)則結果提出