關(guān)聯(lián)規(guī)則的分類挖掘技術(shù)在教育評價系統(tǒng)中的應用研究.pdf

1、隨著數(shù)據(jù)庫技術(shù)與網(wǎng)絡技術(shù)的快速發(fā)展,各領(lǐng)域數(shù)據(jù)呈指數(shù)級增長,這些數(shù)據(jù)中存在著潛在的、有價值的信息。如何將此類信息挖掘出來并提供給用戶再次使用是業(yè)界需要解決的重要課題,因此數(shù)據(jù)挖掘成為業(yè)界研究的重點方向。作為數(shù)據(jù)挖掘的兩個高度活躍的分支;關(guān)聯(lián)規(guī)則和分類挖掘的應用前景更加廣泛。關(guān)聯(lián)規(guī)則主要是尋找數(shù)據(jù)項間的相關(guān)性;分類則是通過分類器聚集同類屬性。兩者產(chǎn)生的數(shù)據(jù)項具有相似性。因此可以將兩種算法融合,構(gòu)建關(guān)聯(lián)分類挖掘算法。本文在對關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘

2、算法和分類數(shù)據(jù)挖掘算法進行了詳細研究的基礎(chǔ)上,提出了一種基于頻繁模式樹的關(guān)聯(lián)規(guī)則分類數(shù)據(jù)挖掘算法。
　　 新算法在構(gòu)建FP-tree時把項目的分類信息融合到頻繁模式樹中,構(gòu)建成CFP-tree。采用自底向上的搜索方式對類別屬性的每個值搭建不同的被約束子樹。按此種方式構(gòu)建的分類頻繁模式樹,避免了指向同名的特征屬性的鏈表存在,可得到遠小于CFP-tree被約束子樹。在被約束子樹上發(fā)現(xiàn)分類頻繁模式的同時輸出分類規(guī)則,提升了算法的性能。