一种加权关联规则模型及挖掘算法研究

摘要

随着信息产业化的快速发展，数据的产生与收集能力迅速提高。存储数据的爆炸性增长业已激起对新技术和自动化工具的需求，以便帮助用户将海量的数据转变成有用的信息和知识。数据挖掘正是在这个背景下应运而生的新学科、新技术。数据挖掘又称为数据库中的知识发现，就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在的有用信息和知识的过程。 数据挖掘有很多研究热点，其中关联规则挖掘是数据挖掘领域研究的一个重要问题。为了解决现实数据库中每个项目的重要性差异和分配不均匀性，本文重点讨论了加权关联规则挖掘算法。本文研究的主要内容包括以下几个部分： 1．简要介绍了数据挖掘的发展概况和基本概念，分析了数据挖掘面临的主要问题及今后的研究与发展方向。 2．讨论了布尔关联规则挖掘的经典算法——Apriori算法和改进的频繁项集挖掘算法——FP-growth算法。 3．深入分析了著名的加权关联规则挖掘算法——MINWAL(O)算法。指出了该算法及其它相关算法中存在的问题。 4．提出了一种新的加权关联规则模型及挖掘加权频繁项集的算法——MWFI算法，并详细阐述了该模型及MWFI算法的设计与实现。通过实验测试，该算法能够挖掘出更能体现决策者实际需求的信息。

目录

文摘

英文文摘

关于学位论文独立完成和内容创新的声明及关于学位论文著作权使用授权书

第1章绪论

1.1研究背景

1.2研究现状

1.3研究意义

1.4本文研究的主要内容

1.5本章小结

第2章数据挖掘概论

2.1数据挖掘的一般性讨论

2.1.1数据挖掘的起源

2.1.2数据挖掘的定义

2.1.3数据挖掘的应用对象

2.1.4数据挖掘的功能及分类

2.2数据挖掘面临的主要问题

2.3数据挖掘的研究与发展方向

2.4本章小结

第3章关联规则挖掘

3.1引发关联规则挖掘的事例

3.2关联规则挖掘的基本理论

3.2.1基本概念

3.2.2关联规则的分类

3.2.3关联规则挖掘的基本步骤

3.2.4关联规则挖掘中需注意的问题

3.3关联规则挖掘算法

3.3.1Apriori算法

3.3.2提高Apriori算法的有效性

3.3.3FP-gtowth算法

3.4本章小结

第4章加权关联规则挖掘的研究

4.1加权关联规则的提出

4.2现有加权关联规则模型及算法研究

4.2.1加权关联规则模型

4.2.2加权关联规则发现算法---MINWAL(O)算法

4.2.3现有加权关联规则模型和算法的不足

4.3一种新的加权关联规则模型及算法研究

4.3.1加权关联规则新模型

4.3.2加权频繁项集挖掘算法---MWFI算法

4.4 MWFI算法的性能测试

4.4.1性能测试平台

4.4.2测试过程及结果评估

4.5本章小结

总结与展望

参考文献

致谢

攻读硕士学位期间发表论文情况

参与的科研项目