基于聚類的多層關(guān)聯(lián)規(guī)則挖掘算法研究與改進(jìn).pdf

1、近年來，數(shù)據(jù)挖掘逐漸進(jìn)入人們的生活，而且以很快的速度發(fā)展成一門主流的技術(shù)，所以人們現(xiàn)在更關(guān)注于通過分析數(shù)據(jù)來研究或者預(yù)測一些行為模式?！百徫锘@分析”讓更多的人把目光投放到關(guān)聯(lián)規(guī)則挖掘上，關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的一個(gè)經(jīng)典功能，而且更多的時(shí)候就是挖掘單層的關(guān)聯(lián)規(guī)則模式。然而現(xiàn)在，人們不僅僅對(duì)單層的關(guān)聯(lián)規(guī)則模式感興趣，可能還會(huì)對(duì)多層關(guān)聯(lián)規(guī)則模式感興趣。為了挖掘多層關(guān)聯(lián)規(guī)則，本文提出將關(guān)聯(lián)規(guī)則與聚類進(jìn)行結(jié)合的多層關(guān)聯(lián)規(guī)則挖掘新思路。首先將原始事務(wù)數(shù)

2、據(jù)集聚類，聚類后的事務(wù)數(shù)據(jù)集通過一定的劃分再用于關(guān)聯(lián)規(guī)則分析，這樣可以挖掘多層關(guān)聯(lián)規(guī)則。為了更好適用于事務(wù)數(shù)據(jù)集的多層關(guān)聯(lián)規(guī)則挖掘，本文在以上的每一個(gè)階段都做了相關(guān)改進(jìn)。
　　本文主要在以下四個(gè)方面重點(diǎn)研究與討論:
　　1.概述了數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則、聚類以及多層關(guān)聯(lián)規(guī)則挖掘的相關(guān)理論知識(shí)，并且分析了它們近幾年來的學(xué)術(shù)成果。同時(shí)介紹了一些關(guān)聯(lián)規(guī)則和聚類的相關(guān)算法，關(guān)聯(lián)規(guī)則重點(diǎn)分析了Apriori和FP-Growth算法，聚類重

3、點(diǎn)分析了K-Means和K-Mediods算法;
　　2.設(shè)計(jì)出了一種專門針對(duì)SDS的相關(guān)性度量算法。針對(duì)本文采用的IBM生成數(shù)據(jù)集，為了提高聚類質(zhì)量，通過改進(jìn)SMC和Jaccard相關(guān)系數(shù)，計(jì)算出數(shù)據(jù)集中數(shù)據(jù)對(duì)象之間的相關(guān)性系數(shù)矩陣;
　　3.關(guān)聯(lián)規(guī)則算法的改進(jìn)。在FP-Growth算法基礎(chǔ)上提出了一些改進(jìn):針對(duì)FP-Tree建樹時(shí)占用內(nèi)存很大，經(jīng)過合并相同支持?jǐn)?shù)的節(jié)點(diǎn)來減小樹的規(guī)模，節(jié)約空間;針對(duì)FP-Growth算法頭