数据挖掘中关联规则算法的研究

论文摘要

“数据爆炸、知识贫乏”是信息时代所面临的一个严峻的问题,数据挖掘是解决该问题的一种十分有效的手段。数据挖掘就是数据库中的知识发现,是从海量数据信息中挖掘出潜在、有用知识的过程。该技术能发现隐含的、先前未知的、对决策有潜在价值的知识以指导实际问题的求解,因此对数据挖掘技术的研究有着重要的应用意义。本课题着重对关联规则挖掘算法进行了研究,详细探讨了关联规则挖掘中经典的Apriori算法,介绍了它的基本原理,存在的不足和算法发展的瓶颈。针对算法的缺陷介绍了已经存在的改进算法,如采样方法、划分方法和散列方法等。然后对Apriori算法的两个主要不足之处,即产生大量候选集和大规模数据库在挖掘过程中保持不变,介绍三种方法,以求能降低算法的时间复杂度。1、减小候选集算法。挖掘过程中产生大量候选集,在访问数据库统计候选集的支持数之前,运用新的算法减小候选集数目,从而减小访问数据库的次数。2、精简数据库算法。随着挖掘过程的不断深入,数据库中有些数据记录可能不再需要,因而我们可以删除无用的数据记录。不断减小数据库的规模,减小访问数据库的次数。3、数据的垂直表示方法。扫描数据库得到频繁一项集,同时将数据从水平格式变成垂直格式,此后的频繁集产生不再需要访问数据库。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的目的和意义
• 1.2 国内外研究历史和现状
• 1.3 课题的研究内容
• 1.4 论文的组织
• 1.5 本章小结
• 第二章 数据挖掘概述
• 2.1 数据挖掘概念
• 2.2 数据来源和数据预处理
• 2.2.1 数据挖掘的数据来源
• 2.2.2 数据准备与预处理
• 2.3 数据挖掘方法
• 2.4 数据挖掘的体系结构与步骤
• 2.4.1 数据挖掘的体系结构
• 2.4.2 数据挖掘的步骤
• 2.5 数据挖掘的知识发现及商业应用
• 2.6 数据挖掘研究面临的挑战
• 2.7 本章小结
• 第三章 关联规则挖掘综述
• 3.1 关联规则的基本概念
• 3.1.1 关联规则的定义和属性
• 3.1.2 关联规则的性质
• 3.1.3 关联规则的种类
• 3.2 关联规则的典型算法
• 3.3 关联规则数据挖掘算法的步骤与性能分析
• 3.3.1 算法步骤
• 3.3.2 算法性能分析
• 3.4 本章小结
• 第四章 Apriori 算法原理及分析
• 4.1 Apriori 算法描述
• 4.2 Apriori 算法举例
• 4.3 算法的优劣分析
• 4.3.1 Apriori 算法的特点
• 4.3.2 算法存在的不足
• 4.4 几种优化的 Apriori 算法
• 4.5 本章小结
• 第五章 Apriori 算法的探讨研究
• 5.1 Apriori 算法实例分析
• 5.2 减小候选集数目算法
• 5.2.1 算法思想与描述
• 5.2.2 算法实例实现
• 5.3 精简数据库算法
• 5.3.1 算法思想与描述
• 5.3.2 算法实例实现
• 5.4 垂直数据表示方式
• 5.4.1 算法思想与描述
• 5.4.2 算法实例实现
• 5.4.3 提出一种设想
• 5.5 生成关联规则
• 5.6 本章小结
• 结论与展望
• 参考文献
• 致谢