数据挖掘中关联规则的研究与应用

论文摘要

数据挖掘是一种能够智能地、主动地把海量数据中的隐含信息转换成有用信息和知识的技术。数据挖掘已经在政府管理决策、科学研究、金融投资等诸多领域得到了广泛的应用。关联规则是数据中存在的一类重要的可被发现的知识。关联规则数据挖掘是数据挖掘的一个主要研究内容,其核心问题是如何提高挖掘算法的效率。本文对经典的关联规则挖掘算法Apriori算法进行了分析,该算法的优点是算法较简单,易于实现;缺点是需要多次扫描数据库并且产生大量的候选项集,系统I/O负载较大。针对该算法的局限性,本文提出了一种改进算法。相同条件下的实验结果表明,优化后的算法能在一定条件下提高关联规则挖掘的效率。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 课题的研究背景
• 1.2 研究现状及展望
• 1.2.1 数据挖掘的研究现状及展望
• 1.2.2 关联规则挖掘的研究现状及展望
• 1.3 本文的主要研究工作
• 第二章 数据挖掘技术
• 2.1 数据挖掘的定义和概述
• 2.2 数据挖掘的研究内容
• 2.3 数据挖掘的分类
• 2.4 数据挖掘的方法
• 2.5 数据挖掘的功能
• 2.6 数据挖掘的过程
• 2.7 数据挖掘的应用及其未来研究方向
• 2.8 本章小结
• 第三章 关联规则挖掘
• 3.1 关联规则挖掘概述
• 3.2 关联规则挖掘的相关定义及性质
• 3.3 关联规则分类
• 3.4 关联规则挖掘的步骤
• 3.5 关联规则挖掘的研究与发展方向
• 3.6 经典关联规则挖掘算法
• 3.6.1 有候选项集产生的算法
• 3.6.2 无候选项集产生的算法
• 3.7 本章小结
• 第四章 Apriori改进算法
• 4.1 引言
• 4.2 算法的改进
• 4.2.1 算法思想
• 4.2.2 算法步骤
• 4.2.3 算法描述
• 4.2.4 算法实例
• 4.2.5 算法评价
• 4.3 本章小结
• 第五章 结论
• 参考文献
• 致谢