关联规则算法研究及其在美洲进出口贸易数据挖掘中的应用

摘要

随着计算机性能提高、成本下降以及数据管理技术的成功运用，社会信息化程度越来越高，数据存储量急剧上升。然而，“数据丰富，知识匮乏”，决策者很难从海量的数据中提取出有价值的知识。面对这一挑战，数据挖掘应运而生。数据挖掘有许多研究方向，关联规则挖掘是其中最活跃的研究方向之一，它反映了大量数据中项目之间的有意义关联或相关联系，其中最经典的算法是Apriori算法。但是该算法在挖掘频繁项集时需要产生大量的候选项集，多次扫描数据库，时间空间复杂度过高。针对这一局限性，如何提高挖掘算法的效率就成为了关联规则挖掘研究的核心问题。随着各国进出口交易往来的频繁，进出口贸易数据对研究和分析贸易市场行情和趋势所起的作用正日益显现出来，而采用数据挖掘中的关联规则技术可以从海量的进出口贸易数据中得到有价值的关系和规律，从而为决策提供参考。本文对关联规则挖掘算法进行了深入地研究，提出了一种改进方法，并将此方法应用于美洲进出口贸易数据挖掘中，得到可供决策参考的关联规则。本论文具体工作如下： 1．理论介绍。对数据挖掘和关联规则的基本理论进行了详尽的阐述，通过理论介绍为算法研究和系统应用奠定了基础。 2．算法研究。在理论认识的基础上，深入分析了关联规则挖掘经典算法Apriori。针对大型关系数据库中关联规则挖掘的特点，提出了一种基于分块编码的新算法LCA，对其从理论、流程各方面进行了详细介绍并演示了其实现步骤。最后通过实验比较了LCA算法和Apriori算法，验证了改进算法的有效性和优势。 3．系统应用。基于J2EE平台，设计开发了一个简易的专业数据挖掘系统，系统可以选择性地采用经典的Apriori算法和新提出的LCA算法进行关联规则的挖掘。系统应用部分既是对算法研究和改进的一种实际验证，又是对数据挖掘应用领域的一种开拓，实现了理论研究与实际应用的结合。

目录

文摘

英文文摘

声明

第一章绪论

1.1本文研究背景和意义

1.2国内外的研究现状

1.3本文主要工作

1.4本文内容安排

第二章数据挖掘和关联规则研究

2.1数据挖掘研究

2.1.1数据挖掘的定义

2.1.2数据挖掘的过程

2.1.3数据挖掘的任务

2.1.4数据挖掘的分类、技术和方法

2.2关联规则研究

2.2.1关联规则的定义

2.2.2关联规则的分类

2.2.3关联规则的挖掘

2.2.4关联规则的应用

2.3本章小结

第三章关联规则挖掘算法Apriori及其优化改进

3.1 Apriori算法原理与描述

3.1.1频繁项集的产生

3.1.2关联规则的生成

3.1.3算法流程图

3.2 Apriori算法示例和评价

3.2.1 Apriori算法示例

3.2.2 Apriori算法评价

3.3 Apriori算法优化改进

3.4本章小结

第四章大型关系数据库中的关联规则挖掘算法改进

4.1关系数据库中的关联规则挖掘

4.1.1关系数据库的结构特征

4.1.2关系数据库中的关联规则特征

4.1.3大型关系数据库中的关联规则挖掘

4.2局部编码关联规则挖掘算法LCA

4.2.1 LCA算法简介

4.2.2关系数据库的属性映射和数据分割

4.2.3利用编码寻找频繁项集

4.2.4频繁项集的模式匹配

4.2.5 LCA算法流程图

4.3 LCA算法评价和实验

4.3.1 LCA算法评价

4.3.2 LCA算法实验

4.4本章小结

第五章 关联规则在美洲进出口贸易数据挖掘中的应用

5.1应用背景

5.2美洲进出口贸易数据预处理

5.3系统结构设计

5.3.1技术平台

5.3.2模式结构

5.3.3数据挖掘模块

5.3.4 Hibernate对象关系映射机制

5.4系统流程

5.5系统运行与结果分析

5.5.1系统运行

5.5.2结果分析

5.6本章小结

第六章总结与展望

6.1总结

6.2展望

参考文献

作者在攻读硕士学位期间公开发表的论文及所做的项目

致 谢