數(shù)據(jù)挖掘中可信規(guī)則挖掘方法的研究.pdf

1、與傳統(tǒng)的統(tǒng)計(jì)、查詢方法相比，數(shù)據(jù)挖掘技術(shù)涉及到多個(gè)學(xué)科，匯集了人工智能、模式識(shí)別、數(shù)據(jù)庫(kù)、機(jī)器學(xué)習(xí)以及管理信息系統(tǒng)等科學(xué)的成果。數(shù)據(jù)挖掘是一個(gè)新興的邊緣學(xué)科，其應(yīng)用領(lǐng)域非常廣泛，并且具有良好的應(yīng)用前景。 本文對(duì)數(shù)據(jù)挖掘技術(shù)，尤其是關(guān)聯(lián)規(guī)則挖掘技術(shù)進(jìn)行了系統(tǒng)、深入的學(xué)習(xí)和研究，并提出可信規(guī)則概念及其挖掘方法，主要研究?jī)?nèi)容有： 對(duì)現(xiàn)有一些關(guān)聯(lián)規(guī)則挖掘方法的研究及一些改進(jìn)。詳細(xì)介紹了關(guān)聯(lián)規(guī)則的基本概念和基本性質(zhì)，簡(jiǎn)要介紹了幾種

2、關(guān)聯(lián)規(guī)則的挖掘算法。對(duì)經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法——Apriori算法進(jìn)行了詳細(xì)的分析和研究，并提出哈希樹(shù)方法來(lái)提高算法的有效性。 由于現(xiàn)有關(guān)聯(lián)規(guī)則挖掘的方法中都是基于支持度來(lái)裁剪候選集的，在這些方法中遇到的一個(gè)問(wèn)題就是那些具有較高支持度的規(guī)則往往它們的信任度很小，而信任度很高的規(guī)則由于其支持度小而未被挖掘。因此，就需要研究一種有效的算法來(lái)挖掘出所有具有高可靠性的規(guī)則，盡管有些規(guī)則的支持度可能很小。挖掘這種具有較高信任度而不考慮其支

3、持度的關(guān)聯(lián)規(guī)則的一個(gè)目的就是：那些具有很高支持度的規(guī)則是很明顯和眾所周知的，因此挖掘它沒(méi)有很大的價(jià)值；相反，那些有較低支持度但較高信任度的規(guī)則往往是被大家忽略的，因此挖掘它具有較大的價(jià)值，常常能獲得意想不到的結(jié)果。在本文中提出兩種相關(guān)的挖掘這種可信規(guī)則的方法： 第一種方法就是基于MFC原則的挖掘方法。該方法是一種寬度搜索的方法，其根據(jù)可信度的“廣義向上閉包性質(zhì)”來(lái)完成整個(gè)挖掘過(guò)程。 另一種方法就是根據(jù)數(shù)據(jù)項(xiàng)之間的相似度來(lái)