加權(quán)關(guān)聯(lián)規(guī)則的研究.pdf

1、隨著信息時代到來,數(shù)據(jù)庫存儲信息量急劇增大。面對龐大的數(shù)據(jù)資源,人們需要功能強大的工具來“挖掘”其中有用的知識。數(shù)據(jù)挖掘(Data Mining,DM)正是在這個背景下而提出的新技術(shù)。數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫知識發(fā)現(xiàn),是從大量的數(shù)據(jù)中抽取未知的、新穎的、有效的及潛在有用的知識或模式的高級處理過程。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域研究與應(yīng)用的熱點之一。Apriori算法是挖掘關(guān)聯(lián)規(guī)則的經(jīng)典算法。但Apriori算法僅僅考慮數(shù)據(jù)庫中項出現(xiàn)的頻率,沒有

2、考慮到數(shù)據(jù)庫項屬性及記錄具有不同的重要性,所以挖掘的規(guī)則具有一定的局限性。針對這一問題,本文重點研究了加權(quán)關(guān)聯(lián)規(guī)則,提出一種挖掘水平加權(quán)與垂直加權(quán)相結(jié)合的加權(quán)關(guān)聯(lián)規(guī)則模型及實現(xiàn)算法。本文研究主要內(nèi)容包括:①介紹了數(shù)據(jù)挖掘的發(fā)展和相關(guān)概念,研究了數(shù)據(jù)挖掘的過程、技術(shù)及應(yīng)用,對其今后的發(fā)展進(jìn)行了探討。②研究了關(guān)聯(lián)規(guī)則,討論了Apriori算法,分析不產(chǎn)生頻繁項集的FP-growth算法。③全面研究了加權(quán)關(guān)聯(lián)規(guī)則,深入研究加權(quán)關(guān)聯(lián)規(guī)則算法—M