数值型多维关联规则挖掘研究

摘要

近年来，数据挖掘引起了信息产业界的极大关注。其主要原因是存在大量数据。可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。本文首先对数据挖掘进行介绍。然后将主要经典关联规则挖掘算法逐一介绍。这些算法是多维关联规则挖掘算法的基础。论文重点对数值型多维关联规则进行研究。分别介绍了区间合并算法和聚类算法。在聚类算法中，论文提出了CARB算法。该算法是一个单趟扫描算法。当用户指定区间距离阈值interval后，算法自动将属性划分为区间。

目录

文摘

英文文摘

第一章绪论

1.1数据挖掘的定义

1.2数据挖掘研究现状

1.3数据挖掘中采用的方法

1.4数据挖掘的应用

第二章关联规则的概念

2.1关联规则基本模型

2.2关联规则与其它学科的关系

2.2关联规则分类

第三章经典关联规则算法及变种

3.1 Apriori算法

3.2 DHP算法

3.3 Partition算法

3.4 Sampling算法

3.5 DIC算法

第四章数值关联规则的挖掘

4.1多值关联规则定义

4.2多值关联规则挖掘过程

4.3数值属性值域区间的划分

4.4属性合并方法

第五章用聚类方法开采关联规则

5.1聚类方法简介

5.2相关研究背景

5.3 BIRCH算法简介

5.4聚类树

5.5算法描述

5.6试验及分析

结束语

参考文献

致 谢