关联规则挖掘算法的研究

论文摘要

关联规则,作为数据挖掘领域中的一个非常重要的研究课题,既可以检验行业内长期形成的知识模式,又能发现隐藏的规律,其形式简洁、易于解释和理解,已成为数据挖掘中的研究热点。本文对数据挖掘技术,尤其针对关联规则挖掘进行深入地学习和系统的研究,主要研究成果如下:本文首先对数据挖掘技术进行讨论,包括数据挖掘的基本概念、应用现状、发展趋势等。然后,对关联规则挖掘算法进行深入研究,介绍关联规则的基本概念和性质,对关联规则的典型挖掘算法及其基本思想进行分析和归纳。重点介绍关联规则挖掘的经典算法—Apriori算法,并对提高Apriori算法效率的几种方法进行分析比较。在对关联规则挖掘算法进行分析之后,本文提出两种新的关联规则挖掘算法—CRApriori(Combination Reduce Aprior)挖掘算法和基于矩阵的关联规则挖掘算法。CRApriori算法是对Apriori算法的剪枝步进行优化,从而减少每次扫描数据库所花费的时间;基于矩阵的关联规则挖掘算法,只需进行一次数据库搜索,加快了频繁k项目集的验证速度,从而能大量减少所需的I/O次数,进而减小存储空间。在生成关联规则中,通过查找最小频繁项集的关联规则而直接得出包含此项集其它频繁项集的关联规则,减少了计算量。将提出的两种算法与Apriori算法进行性能比较,实验证明,这两种算法不论在时间还是空间上均是有效的。最后,根据评测数据找到教学效果与教师自身素质的关系,将矩阵关联规则挖掘算法运用到高校教学评测中。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文研究的背景及意义
• 1.2 论文的研究内容
• 1.3 论文的结构安排
• 第二章 数据挖掘技术
• 2.1 数据挖掘的基本概念
• 2.1.1 知识发现的概念
• 2.1.2 数据挖掘的概念
• 2.2 数据挖掘的功能
• 2.3 数据挖掘的分类
• 2.4 数据挖掘的应用和发展趋势
• 2.4.1 数据挖掘的应用
• 2.4.2 数据挖掘的发展趋势
• 2.5 本章小结
• 第三章 关联规则挖掘算法综述
• 3.1 关联规则的基础知识
• 3.1.1 关联规则的基本概念
• 3.1.2 关联规则的分类
• 3.2 关联规则的挖掘方法
• 3.2.1 典型算法分类
• 3.2.2 Apriori算法介绍
• 3.2.3 由频繁项集产生关联规则
• 3.2.4 频繁项集算法的几种优化方法
• 3.2.5 其它频繁项集的挖掘算法
• 3.3 基于 Apriori算法的改进算法—CRApriori
• 3.3.1 CRApriori算法的基本思想
• 3.3.2 算法描述
• 3.3.3 算法实例
• 3.3.4 实验结果分析
• 3.4 本章小结
• 第四章 一种基于矩阵的关联规则新算法
• 4.1 ARABM算法的基本思想及算法描述
• 4.1.1 ARABM算法的基本思想
• 4.1.2 ARABM算法的描述
• 4.2 ARABM算法实例分析
• 4.3 ARABM算法特点与性能分析
• 4.3.1 ARABM算法的特点
• 4.3.2 ARABM算法的性能分析
• 4.4 本章小结
• 第五章 关联规则在教学评测中的应用
• 5.1 问题提出
• 5.2 数据准备
• 5.3 挖掘关联规则
• 5.4 模式理解和评估规则
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文的总结
• 6.2 进一步的研究工作
• 参考文献
• 作者简历 攻读硕士学位期间完成的主要工作
• 致谢