时态数据挖掘中关联规则的应用研究

论文摘要

20世纪80年代末,数据挖掘作为一个全新的研究领域悄然出现并迅速发展。数据挖掘的研究目的是在大型数据集中发现那些隐藏的、人们感兴趣的具有特定规律的信息。作为数据挖掘对象之一的时态数据库是由随时间变化的一系列序列值或事件组成的数据库。时态数据挖掘的研究对商业、金融、医疗诊断、科学与工程等领域的数据分析具有重要意义,因而时态数据的挖掘方法也成为数据挖掘的一个研究热点。关联规则一直是近年来数据挖掘和人工智能领域研究的热点课题,目前在客户关系管理、医学、生物等领域已有应用。传统的关联规则挖掘过程通常不考虑时间约束,如购物篮分析等。由于时态数据库规模不断壮大,重要性不断加强,如何将关联规则挖掘应用到时态数据库中以获得有价值的时态关联规则是一个非常值得研究的课题。另外关联规则在证券市场中的应用尚处于起步阶段,如何有效地将关联规则应用于证券交易系统数据库分析,也需要进一步的探索。本文从研究所处的背景出发,详细阐述了数据挖掘技术及时态数据挖掘的研究现状,介绍了关联规则的相关理论及其在时态数据挖掘中的应用。在深入分析时态关联规则的基础上,本文改进了一般时态关联规则挖掘算法,提出了加权时态关联规则的概念,初步研究了它应用的可行性。用该方法挖掘时态数据库,挖掘结果能更好地反映客户购买习惯的变迁,为市场营销提供决策支持。文章还对不同关联规则挖掘模型得到的结果进行了比较和分析,验证了加权思想的有效性和合理性。本文还创新性地提出了有时态约束的数值型关联规则挖掘方法,并将其引入股市技术分析指标有效性的检验中。选取相对强弱指标RSI,收集交易数据进行实证分析,得出了若干条有用的数值型关联规则,为技术分析的实际应用和投资操作实践提供了指导。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题的研究背景与意义
• 1.2 数据挖掘理论概述
• 1.3 时态数据挖掘研究综述
• 1.4 本文的研究内容及组织结构
• 第二章 关联规则理论
• 2.1 关联规则的基本模型
• 2.2 时态关联规则挖掘模型
• 2.3 数值型关联规则挖掘模型
• 第三章 加权时态关联规则的构造
• 3.1 时态数据挖掘中关联规则的应用
• 3.2 一般时态关联规则的相关研究
• 3.3 加权时态关联规则的引入
• 第四章 有时态约束的数值型关联规则模型构造
• 4.1 数值型关联规则的挖掘
• 4.2 有时态约束的数值型关联规则模型
• 4.3 技术分析的基本理论
• 4.4 实证分析
• 第五章 总结与展望
• 5.1 全文总结
• 5.2 存在的问题与展望
• 参考文献
• 致谢