有效关联规则挖掘方法的研究

摘要

本文对关联规则数据挖掘进行了较为深入的分析和研究.主要工作包括以下几个方面:1目前,关联规则的研究主要集中在效率的提高上.针对规则的分析相对较少.本文首先分析了关联规则的衡量标准以及规则的前件与后件的相关性问题,总结了目前对挖掘有效关联规则的相关研究.针对传统关联规则中无法描述规则前件与后件的相关性问题,提出了一种新的挖掘有效关联规则的框架:支持度-匹配度.将该框架下生成的规则与支持度-置信度框架下生成的规则做了比较.2在实际应用中,数据库或数据仓库是随时间变化的,因而其中的关联规则也随之变化.已有许多研究人员对如何高效的更新关联规则进行了分析和研究,并提出了相应的算法.其中关联规则的更新主要涉及三个方面:第一方面,在给定的最小支持度和最小置信度下,当一个新的数据库db添加到数据库DB中时,如何生成db+DB中的关联规则;第二方面,在给定最小支持度和最小置信度下,当数据库db从DB中删除时,如何生成DB-db中的关联规则;第三方面,考虑新增加的db的新颖性时,如何进行加权增量更新.

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章引言

1.1数据挖掘背景

1.2数据挖掘基本概念

1.3数据挖掘分类

1.3.1模式分类

1.3.2聚类

1.3.3关联分析

1.3.4回归

1.3.5时间序列

1.3.6序列模式

1.4数据挖掘前景分析

第二章关联规则数据挖掘

2.1关联规则基本概念

2.2关联规则基本问题

2.3关联规则分类

2.4关联规则挖掘的算法

2.4.1经典算法apriori

2.4.2 fp-tree算法

2.4.3 AprioriTid算法和AprioriHybird

2.4.4基于划分的方法

2.4.5基于hash的方法

2.4.6基于采样的方法

2.4.7散列

2.4.8多层关联规则挖掘

2.4.9多维关联规则挖掘

2.5关联规则的扩展应用

2.5.1 IUA算法和LAA算法

2.5.2 FUP算法

第三章有效关联规则的研究

3.1关联规则的价值衡量

3.2实例分析

3.3量标准改进

3.4支持度-匹配度扩展应用

3.4.1水平加权的关联规则开采

3.4.2增量更新的关联规则

3.4.3实验数据描述

3.5实验结果对比

第四章增量关联规则的向量法挖掘

4.1向量法挖掘关联规则的基本思想

4.2关联规则的增量更新问题

4.3基于向量法的增量更新算法(VFUP)

4.3.1算法VFUP

4.3.2实例分析

4.3.3算法分析

第五章基于项目集加权的增量关联规则算法研究

5.1加权增量更新

5.2规则分析

5.3算法分析

5.4实例分析

5.5新增n次数据库时的关联规则更新

5.6实验结果

结 语

参考文献

后 记

在学期间公开发表论文及著作情况