基于数据挖掘的关联规则算法

论文摘要

在过去的数十年中，我们产生和收集数据的能力已经迅速提高。起作用的因素包括条码在大部分商业产品中的广泛使用，许多商务、科学和行政事务的计算机化，以及由文本和图像扫描平台到卫星遥感系统的数据收集工具的进步。此外，作为全球信息系统的万维网的流行，已经将我们淹没在数据和信息的汪洋大海中。存储数据的爆炸性增长业已激起对新技术和自动工具的需求，以便帮助我们将海量数据转换成信息和知识。数据挖掘是数据库系统和新的数据库应用的一个有希望的、欣欣向荣的学科前沿。数据挖掘(Data Mining)，通常又称数据库中的知识发现(Knowledge Discover in Database)，是自动的或方便的模式提取，这些模式代表隐藏在大型数据库、数据仓库或其他大量信息存储中的知识。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，其中关联规则(Association Rules)的挖掘是它的重要问题之一。关联规则挖掘是发现大量数据中项集之间有趣的关联或相关联系。随着大量数据不停地收集和存储，许多业界人士对于从他们的数据库中挖掘关联规则越来越感兴趣。从大量商务事物记录中发现有趣的关联关系，可以帮助许多商务决策的制定，如分类设计、交叉购物和贱卖分析。本文重点研究了关联规则的挖掘算法，并进行了以下几方面的工作：1．介绍了数据挖掘的研究情况。2．对关联规则算法(特别是Apriori算法)进行深入研究，对Apriori算法存在的问题进行改进，提出一种高效的关联规则算法。在数据挖掘的研究领域，Apriori算法是其中比较有代表性的一个算法。关联规则的数据挖掘主要挑战性在于数据量巨大，因此算法的效率是关键。3．完成大钢集团销售系统的设计与开发，包括初步设计、详细设计以及软件开发。大连钢铁集团CIMS工程销售系统主要包括订货子系统、发货子系统、价格子系统和资金子系统。本文的关联规则挖掘主要以大连钢铁集团CIMS工程销售系统的订货子系统为背景。所开发的系统现已正常运行。4．构建了由销售系统订货子系统为背景的数据仓库初型。5．新算法并在大钢销售系统中进行应用。在关联规则理论与研究的基础上，将改进后的算法应用于大钢销售系统。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 引言
• 1.2 数据挖掘
• 1.2.1 数据挖掘的定义
• 1.2.2 数据挖掘的对象
• 1.2.3 数据挖掘的功能
• 1.2.4 数据挖掘的分类
• 1.2.5 数据挖掘的主要问题
• 1.3 本文的主要研究工作
• 第二章 数据仓库和数据挖掘
• 2.1 数据仓库
• 2.2 从数据仓库到数据挖掘
• 2.2.1 基于数据仓库的数据挖掘类型
• 2.2.2 实施数据挖掘的过程
• 2.2.3 数据挖掘系统的发展
• 2.2.4 数据挖掘的应用
• 本章小结
• 第三章 描述型数据挖掘——关联规则的挖掘
• 3.1 关联规则的基本概念
• 3.1.1 基本概念和问题描述
• 3.1.2 关联规则的种类
• 3.2 挖掘关联规则的算法
• 3.2.1 经典频集方法
• 3.2.2 其他典型算法
• 3.3 关联规则价值衡量的方法
• 3.3.1 系统客观层面
• 3.3.2 用户主观层面
• 3.4 进一步研究方向
• 本章小结
• 第四章 一种高效的关联规则挖掘算法Apriori-1算法
• 4.1 算法Apriori的缺陷
• 4.2 算法Apriori的思想
• 4.3 算法Apriori-1的步骤
• 4.3.1 生成大项集
• 4.3.2 产生关联规则
• 4.3.3 举例
• 4.4 算法Apriori-1的性能分析
• 本章小结
• 第五章 销售系统的详细设计
• 5.1 销售系统的功能模块
• 5.2 订货子系统的业务需求
• 5.3 订货子系统的总体设计
• 5.3.1 系统功能
• 5.3.2 系统信息集成
• 5.3.3 处理流程
• 5.3.4 软件结构
• 5.4 订货子系统的库表结构
• 5.4.1 表结构
• 5.4.2 数据表之间的关系
• 5.5 订货子系统的实现
• 本章小结
• 第六章 算法实现及其软件开发
• 6.1 引言
• 6.2 算法实现的流程图
• 6.3 在订货子系统中的应用
• 本章小结
• 结束语
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢