一种改进的关联规则挖掘算法

摘要

数据挖掘(DM,Data Mining)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。它是一个涉及多学科领域的新兴学科，并随着这些学科的发展而不断发展。关联规则作为数据挖掘的一个重要的研究分支，其主要的研究目的是从大型数据集中发现隐藏的、有趣的、属性间存在的规律。
　　本文分析了关联规则原理及传统的挖掘算法。借鉴传统的各类挖掘算法，提出了一种基于行程长度编码技术的挖掘算法。并使其应用在关联规则的数据挖掘中。
　　本文通过构建行程长度编码，将访问数据编码成少量的数据，然后直接对存储器中的编码数据进行数据挖掘，使数据挖掘具备了捕捉时态数据内在规律的能力。优点在于数据快速变化时不需要反复读取数据库信息，而且能快速更新数据，从而提高算法的执行速度，提升处理效能。
　　本文研究的算法弥补了传统算法在实时数据处理方面的不足，但它是借助Apriori算法的改进完成的，当支持度很低时，有可能会产生大量的频繁项目集。与理想的算法还有距离，将在以后做进一步深入的探究。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究的背景

1.2 研究现状

1.3 本文的主要内容与工作

1.4 本文结构

第二章 关联规则及传统关联挖掘算法研究

2.1 关联规则

2.2 关联规则数据挖掘相关算法

2.3 本章小结

第三章 关联规则挖掘算法的改进

3.1 算法步骤说明

3.2 编码创建

3.3 编码更新

3.4 算法完整流程

3.5 本章小结

第四章 RLE 算法应用范例与实验

4.1 首次挖掘过程

4.2 更新后的下一次挖掘过程

4.3 测试结果与效能评估

4.4 本章总结

第五章 结束语

致谢

参考文献

在读期间发表的论文

附 录