关联规则挖据算法研究

论文摘要

数据挖掘是当今人工智能和数据库研究方面最富活力的领域。数据挖掘是指从大量的数据中发现潜在的、有用的知识的过程。关联规则数据挖掘是数据挖掘的一个主要研究内容,而如何快速发现频繁项集是关联规则数据挖掘算法的核心问题。本文讨论了数据挖掘的一般理论,包括数据挖掘的概念、任务、模式以及数据挖掘的应用和发展趋势。深入研究了关联规则挖掘算法,分析了关联规则挖掘中经典的Apriori算法,并总结了Apriori算法中存在的问题。针对该算法的效率问题,从两个角度进行改进:(1)降低候选项目集中候选项的数量;(2)减少扫描数据库的次数。因此,给出了一种更高效的关联规则挖掘算法。算法的主要思想是在扫描数据库的同时把支持每个项目的事务都标记出来,采用一种新的方法生成所有的频繁集。该算法只需对源数据库进行一次扫描就可以找出所有的频繁集,并通过裁剪候选集的方法达到减少候选项数目集的目的。这样做不但降低了算法的I/O负荷,而且减少了时间开销,具有很高的效率。最后,将基于关联规则的数据挖掘新方法应用到教学评价中,对挖掘结果进行了分析,并提出了指导意见。本文的工作虽然取得了一定的成果,但尚有大量问题有待于进一步研究,比如,关联规则挖掘应用系统的设计;关联规则有趣度的研究以及如何将挖掘结果友好地呈现给用户。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 数据挖掘的研究背景
• 1.2 数据挖掘中的关联规则
• 1.3 关联规则挖掘的研究现状
• 1.4 本文工作
• 1.5 论文的组织
• 第二章 数据挖掘
• 2.1 数据挖掘的相关概念
• 2.1.1 数据挖掘的定义
• 2.1.2 数据挖掘系统结构
• 2.1.3 数据挖掘的数据来源
• 2.2 数据挖掘的任务和基本模式
• 2.2.1 数据挖掘的任务
• 2.2.2 数据挖掘的模式
• 2.3 数据挖掘的应用
• 2.4 数据挖掘的发展趋势
• 2.5 本章小结
• 第三章 关联规则数据挖掘
• 3.1 关联规则描述
• 3.1.1 基本概念
• 3.1.2 频繁集的性质
• 3.1.3 关联规则的性质
• 3.2 关联规则的分类
• 3.3 挖掘关联规则的基本步骤
• 3.4 关联规则价值衡量的方法
• 3.5 挖掘关联规则的经典算法——Apriori 算法
• 3.5.1 Apriori 算法描述
• 3.5.2 Apriori 算法的特点及局限性
• 3.5.3 Apriori 算法的改进技术
• 3.6 本章小结
• 第四章 一种改进的关联规则挖掘算法
• 4.1 Apriori 算法的改进方案
• 4.2 减少候选项数目集的改进方法——裁剪
• 4.2.1 算法思想
• 4.2.2 算法描述
• 4.2.3 算法评价
• 4.3 减少数据库扫描次数的改进——支持事务求交法
• 4.3.1 算法的相关定义
• 4.3.2 算法思想
• 4.3.3 算法描述
• 4.4 改进的关联规则挖掘算法——IMA 算法
• 4.4.1 算法描述
• 4.4.2 算法举例
• 4.4.3 算法评价
• 4.5 本章小结
• 第五章 改进算法在课堂教学评价中的应用
• 5.1 问题的提出
• 5.2 改进算法在教学质量评价中的应用
• 5.2.1 数据准备与处理
• 5.2.2 挖掘关联规则
• 5.3 结果分析和评估
• 5.4 本章小结
• 第六章 结束语
• 致谢
• 参考文献
• 研究成果