关联规则挖掘算法研究和应用

论文摘要

数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程，其主要目标是从大型的数据库中挖掘出对用户有价值的模式。在事务数据库中挖掘关联规则是数据挖掘领域中一个非常重要的研究课题。本文对数据挖掘技术，尤其是关联规则数据挖掘技术进行了系统、深入、全面、详尽地分析和研究，主要包括以下一些内容：第一、数据挖掘技术的分析与研究。在数据挖掘基本概念的基础上，对数据挖掘常使用的技术和研究的对象进行了详细地分类、归纳和总结，对数据挖掘技术的国内外研究现状进行了广泛而全面地归纳和分析，对数据挖掘技术的未来发展趋势和热点研究领域进行了总结和探讨。第二、关联规则数据挖掘技术的分析与研究。在介绍关联规则基本概念的基础上，对关联规则的Apriori算法进行了详细地分析和研究，并就目前针对提高该算法效率的各种优化技术也进行了详细地描述。第三、提出一种从大型数据库中挖掘关联规则的改进算法LApriori算法，该算法以经典的Apriori算法为基础。文中给出了新算法的理论依据，以及整个算法的思路，该算法与Apriori算法相比具有如下特点：（1）对整个数据库只需访问一次；（2）k-频繁项目集的挖掘可通过（k-1）-频繁项目集得到，而无需再次扫描数据库；（3）采用二进制的存储方式将节省大量的存储空间，二进制的运算速度也可以节省大量的时间。理论分析表明，改进后的LApriori算法的应用效率高，实验结果也表明改进后的算法效率高，而且随着数据库规模的扩大，效率提高更加明显。第四、将改进算法应用到车辆违章数据挖掘中。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 数据挖掘概述
• 1.1.1 问题的提出
• 1.1.2 数据挖掘研究现状及发展方向
• 1.2 关联规则概述
• 1.3 论文研究内容
• 第二章 数据挖掘技术
• 2.1 数据挖掘的定义
• 2.2 数据挖掘的过程
• 2.3 数据挖掘的功能
• 2.4 数据挖掘的主要方法
• 2.5 数据挖掘的应用
• 第三章 关联规则挖掘
• 3.1 关联规则描述
• 3.1.1 基本概念
• 3.1.2 关联规则的分类
• 3.1.3 关联规则的挖掘步骤
• 3.2 关联规则挖掘方法及其发展方向
• 3.3 关联规则挖掘算法
• 3.3.1 关联规则经典挖掘算法Apriori
• 3.3.2 基于Apriori算法的改进方法
• 3.3.3 不产生候选挖掘频繁项集的算法
• 3.4 小结
• 第四章 关联规则算法的改进
• 4.1 问题提出
• 4.2 改进算法
• 4.2.1 算法思想和描述
• 4.2.2 算法示例
• 4.2.3 算法性能分析
• 4.3 LApriori算法的性能测试
• 4.3.1 实验环境
• 4.3.2 算法测试
• 4.4 LApriori算法的可扩展性实验
• 4.5 小结
• 第五章 关联规则挖掘在车辆违章数据分析中的应用
• 5.1 研究架构
• 5.2 数据准备
• 5.3 数据挖掘
• 5.4 实验结果及分析
• 第六章 总结与展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文