資源描述：
《關(guān)聯(lián)規(guī)則挖掘算法及其在web挖掘上應(yīng)用的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、哈爾濱工程大學(xué)碩士學(xué)位論文關(guān)聯(lián)規(guī)則挖掘算法及其在Web挖掘上應(yīng)用的研究姓名：王永利申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：劉杰20030201哈爾濱工程火學(xué)碩士學(xué)位論文摘要由于應(yīng)用性的數(shù)據(jù)的爆炸式增長(zhǎng)(如商業(yè)分析)，及計(jì)算機(jī)的軟硬件技術(shù)的發(fā)展完備，數(shù)據(jù)挖掘已經(jīng)成為近幾年來(lái)應(yīng)用最廣泛的分析數(shù)據(jù)的工具。挖掘重要數(shù)據(jù)仍然需要配合許多其他領(lǐng)域的技術(shù)才能得到完善有效的結(jié)果，其中包括機(jī)器學(xué)習(xí)，人工智能，統(tǒng)計(jì)學(xué)原理，數(shù)據(jù)庫(kù)系統(tǒng)，數(shù)據(jù)可視化等。然而目前大多數(shù)挖掘關(guān)聯(lián)規(guī)則的算法往往必需多次掃描事務(wù)數(shù)據(jù)庫(kù)才能達(dá)到要求的目標(biāo)，這樣重復(fù)性的數(shù)據(jù)庫(kù)存取動(dòng)作將會(huì)導(dǎo)致過(guò)
2、多的執(zhí)行時(shí)間浪費(fèi)在I／O動(dòng)作上另外在頻繁集生成規(guī)則時(shí)現(xiàn)有的算法沒(méi)有考慮到規(guī)則的大量冗余，為了解決這個(gè)問(wèn)題本文提出了一個(gè)不需要生成候選集同時(shí)有效的去除生成規(guī)則時(shí)產(chǎn)生大量冗余的算法QAIS，來(lái)提高關(guān)聯(lián)規(guī)則生成的速度，并且在此算法基礎(chǔ)上提出了新穎的關(guān)聯(lián)規(guī)則增量更新算法AIU，通過(guò)應(yīng)用合成數(shù)掘驗(yàn)證了QAIS／AIU算法的有效性，由試驗(yàn)結(jié)果來(lái)看這個(gè)方法確實(shí)能更有效且準(zhǔn)確地獲得事務(wù)數(shù)據(jù)庫(kù)的關(guān)聯(lián)規(guī)則，尤其適合挖掘超大數(shù)據(jù)庫(kù)中高支持度下長(zhǎng)模式的挖掘。然后論文介紹了關(guān)聯(lián)規(guī)則的一種擴(kuò)展一時(shí)間序列模式挖掘方面的算法，給出了Web同志文件挖掘的高效、新穎的改進(jìn)算法，并用實(shí)驗(yàn)
3、驗(yàn)證了此種方法的有效性。論文的最后討論了關(guān)聯(lián)規(guī)則挖掘領(lǐng)域面臨的幾個(gè)問(wèn)題。關(guān)鍵詞：數(shù)據(jù)挖掘：知識(shí)發(fā)現(xiàn)；關(guān)聯(lián)規(guī)則；增量更新；時(shí)間序列模式；Web挖掘哈爾濱工群人學(xué)碩士學(xué)位論文ABSTRACTDatamininghasbeenbecomingmoreandmorepopularinthepastfewyearsduetOthegrowingdemandsofdatabaseapplicationandtheadvancesincomputertechnology．DataMiningmergesmanyimportantresearchfieldsincl
4、udingmachinelearning，artificialintelligent，statistics，knowledge—basesystemsanddatavisualization，etc．However，currentalgorithmsproposedfordatAminingofassociationrulesrequireseveralpassesovertheanalyzeddatabaseTheI／0overheadinscanningthelargedatabasecanbeextremelyhigh。Anef蠡ciental
5、gorithmQAISiSproposedthatusestheef五cientmethodtoreducedatabaseaccessactivity,andpresentanovelalgorithmAIUbasedonthisalgorithm．itiSfitforminingassociationrulesandincrementalupdating．ItiSespeciallyeffectiveinVLDB，mininglongpatterns，andhighsupport．ThePerformanceofQAIS／AIUiSverifie
6、donthebasisofsyntheticdatajexperimentsshowthattheproposedalgorithmcanmineassociationrulesmoreefficientlybynotgeneratingcandidateitemsetsandreducingtheredundancyol、fi'equentitemsetswhilegeneratingassociationrules．Andthen，aextentofassociationrules—TimeSeriesPatterniSdiscussed，and
7、anefficientimprovedalgorithmofwebminingispresented．ThePerformanceofalgorithmsiSverifledonthebasisofsyntheticdatatoo．Atlast，theproblemsfacedintheminingassociationrulesfieldarediscussedinthepaper．Keywords：DataMining，KDD，AssociationRules，IncrementUpdating，TimeSeriesPattern，WebMini
8、ng+哈爾濱T程大學(xué)碩士學(xué)位論文1．1知識(shí)發(fā)現(xiàn)概述第1章緒論近年來(lái)由于計(jì)算機(jī)科學(xué)與技術(shù)的快速發(fā)展，加速了信息
