关联规则挖掘算法研究及其应用

论文摘要

关联规则挖掘是数据挖掘领域中的一个非常重要的研究内容,其主要目标就是发现数据库中一组对象之间某种有趣关联或相关联系。频繁集挖掘是关联规则挖掘的关键步骤,它在很大程度上决定了关联规则挖掘的效率。对于强规则、相关分析、时间序列,频繁集挖掘也有着十分重要的意义。本文对数据挖掘作了一般性讨论,包括数据挖掘的产生、概念、数据挖掘的方法和存在的主要问题。然后对数据挖掘中重要的关联规则挖掘算法做了深入的研究,分析了关联规则中经典的Apriori算法及其他学者对Apriori算法的改进算法,然后重点介绍了本文的改进算法——十字链表的Apriori算法;详细介绍了提出的改进算法思想,理论基础,以及该算法与原Apriori算法比较,给出了该算法实现的伪代码,并且根据改进的算法对增量数据库进行了讨论,举例对该算法的挖掘步骤进行了详细说明。本文还对改进的Apriori算法在《电气二次端子排辅助设计系统》中的应用进行了介绍,由于系统数据库中存储了大量厂家和以前项目的信息,对数据库进行挖掘,在从中找出一些线与一些器件或线与线之间的关联时,利用普通的方法去扫描数据库其性能和效率就会很低。本文用关联规则算法来解决这一问题。并在用.net实现这两个算法的基础上,对两个算法分别用了两组具有代表性的数据进行测试,并对测试结果进行了分析。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的目的及意义
• 1.2 国内外研究现状及进展
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文的主要工作
• 1.4 论文的组织结构
• 第2章 数据挖掘
• 2.1 数据挖掘简介
• 2.2 数据挖掘的对象
• 2.2.1 关系数据库
• 2.2.2 数据仓库
• 2.2.3 事务数据库
• 2.2.4 高级数据库系统和高级数据库应用
• 2.3 数据挖掘的方法
• 2.4 数据挖掘的主要问题
• 2.4.1 挖掘方法和用户交互问题
• 2.4.2 性能问题
• 2.4.3 关于数据库类型的多样性问题
• 第3章 关联规则
• 3.1 关联规则问题描述
• 3.2 基本算法
• 3.2.1 Apriori 算法
• 3.2.2 抽样算法
• 3.2.3 划分
• 3.2.4 FP-Growth 算法
• 3.3 本章小结
• 第4章 基于改进的APRIORI 算法下的增量挖掘
• 4.1 APRIORI 算法的性能瓶颈问题
• 4.2 APRIORI 算法改进
• 4.3 增量更新算法
• 4.4 本章小结
• 第5章 算法在电气二次端子排辅助设计系统中的应用
• 5.1 应用背景及意义
• 5.2 系统功能
• 5.3 系统的问题描述
• 5.4 APRIORI 算法在系统中的应用
• 5.5 算法的性能与实验
• 5.5.1 非增量实验的性能与分析
• 5.5.2 增量实验的性能与分析
• 5.6 本节小结
• 第6章 总结与展望
• 6.1 本文总结
• 6.2 未来的工作展望
• 参考资料
• 致谢
• 攻读学位期间发表的论文