论文摘要
数据挖掘(Data Mining)作为数据库研究领域中的热点,正受到越来越多的关注,其任务是从大量数据中发现有用的数据,提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识。数据挖掘是目前国际上数据库和信息决策领域的最前沿研究方向之一,基于关联规则(Association Rules)的挖掘是其中一个重要的研究方法,具有重要的理论价值和广泛的应用前景。关联规则挖掘就是从大量的数据中挖掘出有价值的描述数据项之间相互联系的知识。这些知识指的是形如A?B的表达式,其中A和B是特征集合。关联规则中最经典的算法是Apriori算法,但它有两个致命的性能瓶颈:多次扫描事务数据库,需要很大的I/O负载、可能产生庞大的侯选集。基于扩展概念格理论的关联规则算法很好地克服了Apriori算法的缺点。本文重点介绍了以下几方面的工作:(1)数据挖掘现状研究。(2)对关联规则算法(特别是Apriori算法,基于扩展概念格的关联规则算法)进行深入研究,并提出一种动态构造扩展概念格的方法和基于扩展概念格的简洁的关联规则算法。(3)完成员工管理网站的部分设计与开发,本文的关联规则主要以员工管理网为背景。(4)在关联规则理论与研究的基础上,将改进后的扩展概念格算法应用于员工管理网系统,效果良好。
论文目录
摘要Abstract第一章 课题概述1.1 数据挖掘技术的产生及研究现状1.2 关联规则1.3 本文的主要工作本章小结第二章 数据挖掘2.1 数据挖掘概述2.1.1 数据挖掘的概念2.1.2 数据挖掘系统构成2.1.3 数据挖掘的任务2.1.4 数据挖掘的过程2.2 数据挖掘的研究焦点2.3 数据挖掘技术的应用2.4 数据挖掘面临的问题本章小结第三章 关联规则3.1 关联规则挖掘概述3.1.1 关联规则的基本概念3.1.2 关联规则的种类3.2 关联规则的算法本章小结第四章 扩展概念格的动态创建及在其上的关联规则发现4.1 Apriori 算法4.1.1 Apriori 核心算法4.1.2 产生候选项目集4.1.3 判断侯选集的元素4.2 概念格4.3 扩展概念格4.4 扩展概念格的动态构造算法4.5 基于扩展概念格的关联规则发现4.5.1 相关性质和定理4.5.2 基于扩展概念格的关联规则算法4.5.3 示例说明4.5.4 实验结果与比较4.6 结论本章小结第五章 内部员工管理网的详细设计5.1 问题的提出5.2 中软公司内部员工管理网站总体结构5.3 主要子模块及功能5.3.1 员工基本信息5.3.2 员工考勤管理5.3.3 员工工资管理5.3.4 员工日报管理5.3.5 后台管理5.4 主要表结构本章小结第六章 扩展概念格算法在内部员工管理网上的应用6.1 问题的提出6.2 扩展概念格算法的应用6.2.1 数据准备6.2.2 挖掘关联规则6.2.3 规则理解本章小结结论参考文献攻读硕士学位期间发表的学术论文致谢
相关论文文献
标签：数据挖掘论文; 关联规则论文; 扩展概念格论文; 动态构造论文;
