数据库中关联规则及效用模式挖掘算法的研究

论文摘要

近年来随着数字化在各机关企业中越来越普及,数据库在各个企业中的角色也就越来越重要。数据库所累积大量的数据中往往隐藏了许多有用的重要信息,如何能够有效率且正确地发掘出这些信息就变成为一个重要的课题,因此数据挖掘技术随即应运而生。目前数据挖掘中应用最广的技术就是关联规则的挖掘,许多的相关技术及研究已经被提出。关联规则挖掘模型以平等的方式对待每个项目（item）,只考虑项目是否在事务记录中出现。但是在实际的情况中,项目之间的是有明显区别的,我们可以将这种区别定量化,其中一种方法就是以效用来衡量项目之间的区别。本文在研究提出关联规则新算法的同时,对另一类问题,效用模式的挖掘也作了细致的研究。效用模式挖掘是一个全新的挖掘技术分支.效用模式发现问题是和关联规则,序列分析较为相似的一类问题,它们有共同的数据背景------从购物篮数据延伸开来的客户记录数据。和另外两者的挖掘类似,效用挖掘也是从这些数据中寻找潜在有用的,非平凡的支持决策的新知识。只是更加侧重满足最小效用值,可以看成是一种带有约束的项集挖掘。本文延续了对关联规则的研究,给出了一种基于划分和分解的算法,该算法基于划分的思想,只需扫描数据库一次,较大的减少了候选项集的数量,也缩小了检验候选项集时考虑的范围。实验表明该算法在效率上有较大的改进。针对效用挖掘的情况,本文在总结前人研究的基础上,将问题转化为一个最优化问题,提出一种基于二分划分树的启发式算法,该算法能有效的在数据中寻找效用模式。相对于基于剪枝的效用模式发现算法,该算法性能上有较大的突破。本研究的主要内容为有效的关联规则算法和效用挖掘新算法,通过在实验中对比算法的性能,验证了研究成果的先进性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 关联规则的背景
• 1.2 关联规则的研究现状
• 1.2.1 关联规则的提出
• 1.2.2 关联规则算法的研究现状
• 1.3 效用模式及其研究背景
• 1.4 效用模式挖掘研究现状
• 1.5 研究目标和论文架构
• 第二章 相关研究工作
• 2.1 关联规则挖掘（MINING ASSOCIATION RULES）
• 2.1.1 关联规则定义
• 2.1.2 问题切割
• 2.1.3 经典算法介绍
• 2.2 效用模式挖掘研究
• 2.2.1 研究背景
• 2.2.2 两阶段的效用频繁挖掘算法
• 2.3 本章小结
• 第三章 基于划分分解的关联规则挖掘算法研究
• 3.1 类APRIORI 关联规则挖掘算法的不足
• 3.2 划分分解模型及其与传统关联规则算法的对比
• 3.3 基于划分的关联规则挖掘算法
• 3.4 PDAR 算法的实例
• 3.5 本章小结
• 第四章 效用模式挖掘
• 4.1 效用模式挖掘介绍
• 4.2 问题定义
• 4.3 基于剪枝的逐层挖掘算法UMING
• 4.3.1 相关定义和挖掘依据
• 4.3.2 UMING 算法
• 4.4 基于效用模式的挖掘算法
• 4.4.1 效用模式挖掘
• 4.4.2 高效用模式挖掘的数学模型
• 4.4.3 效用模式的二分划分树算法
• 4.5 本章小结
• 第五章 算法性能对比
• 5.1 实验环境搭建
• 5.1.1 测试环境
• 5.1.2 测试数据
• 5.2 实验结果
• 5.2.1 第一组实验
• 5.2.2 第二组实验
• 5.3 实验结果分析
• 第六章 总结及进一步研究的问题
• 参考文献
• 致谢
• 附录 A（攻读学位期间发表论文目录）