資源描述：
《關聯(lián)規(guī)則的相關算法研究-基于apriori和_fp-growth算法》由會員上傳分享，免費在線閱讀，更多相關內容在工程資料-天天文庫。
1、學校代碼：10491研究生學號：中國地質大學碩士學位論文關聯(lián)規(guī)則的相關算法研究-基于Apriori和FP-growth算法碩士生：學科專業(yè)：計算機軟件與理論指導教師：二○一○年五月學校代碼：10491研究生學號：中國地質大學碩士學位論文關聯(lián)規(guī)則的相關算法研究-基于Apriori和FP-growth算法碩士生：學科專業(yè)：計算機軟件與理論指導教師：二○一○年五月學校代碼：10491研究生學號：中國地質大學碩士學位論文關聯(lián)規(guī)則的相關算法研究-基于Apriori和FP-growth算法碩士生：學科專業(yè)：計算機軟件與理論指導教師：二○一○年五月學校代碼
2、：10491研究生學號：中國地質大學碩士學位論文關聯(lián)規(guī)則的相關算法研究-基于Apriori和FP-growth算法碩士生：學科專業(yè)：計算機軟件與理論指導教師：二○一○年五月ADissertationSubmittedtoChinaUniversityofGeosciencesfortheMasterDegreeofComputerSoftwareandTheoryResearchonAssociationRulesMiningAlgorithm-baseonAprioriandFP-growthMasterCandidate：LIANGWei
3、Major：ComputerSoftwareandTheorySupervisor：SUNBinChinaUniversityofGeosciencesWuhanP.R.China中國地質大學（武漢）研究生學位論文原創(chuàng)性聲明本人鄭重聲明：本人所呈交的碩士學位論文《關聯(lián)規(guī)則的相關算法研究-基于Apriori和FP-growth算法》，是本人在導師的指導下，在中國地質大學（武漢）攻讀碩士學位期間獨立進行研究工作所取得的成果。論文中除已注明部分外不包含他人已發(fā)表或撰寫過的研究成果，對論文的完成提供過幫助的有關人員已在文中說明并致以謝意。本人所呈交的
4、碩士學位論文沒有違反學術道德和學術規(guī)范，沒有侵權行為，并愿意承擔由此而產生的法律責任和法律后果。學位論文作者（簽字）：日期： 年 月 日作者簡介梁偉，男，壯族，1976年1月出生于廣西壯族自治區(qū)崇左市。2008年9月進入中國地質大學（武漢）信息工程學院攻讀碩士學位，專業(yè)為計算機軟件與理論，研究方向為數(shù)據(jù)庫技術和數(shù)據(jù)挖掘。至今已經修完全部課程，共計15門課程，其中學位課程10門，選修課程5門，各門課程成績合格，總學分為28分，各科平均成績?yōu)?2分。在碩士研究生學習階段，認真學習專業(yè)知識，閱讀大量專業(yè)文獻，以第一作者在公開刊物發(fā)表論文兩篇：
5、△《關聯(lián)規(guī)則算法探討》-企業(yè)技術開發(fā)（CN43-1172/TB，2009.10）△《基于MYSQL的SQL注入問題研究》-科教導刊（CN42-1795/N，2009.12）關聯(lián)規(guī)則的相關算法研究-基于Apriori和FP-growth算法碩士生：梁偉導師：孫斌摘要數(shù)據(jù)挖掘是當今人工智能和數(shù)據(jù)庫研究方面最富活力的領域。數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的知識的過程。關聯(lián)規(guī)則數(shù)據(jù)挖掘是數(shù)據(jù)挖掘的一個主要研究內容，而如何快速發(fā)現(xiàn)頻繁項集是關聯(lián)規(guī)則數(shù)據(jù)挖掘算法的核心問題。本文討論了數(shù)據(jù)挖掘和關聯(lián)規(guī)則的一般理論，包括數(shù)據(jù)挖掘的概念、任務、模式以
6、及數(shù)據(jù)挖掘的應用和發(fā)展趨勢。深入研究了關聯(lián)規(guī)則挖掘算法，分析了關聯(lián)規(guī)則挖掘中經典的Apriori和FP-growth算法，并總結了Apriori和FP-growth算法中存在的問題。針對Apriori算法的效率問題，從兩個角度進行改進：(1)降低候選項目集中候選項產生的數(shù)量；(2)減少掃描數(shù)據(jù)庫的次數(shù)。給出了一種較為高效的關聯(lián)規(guī)則挖掘算法。算法的主要思想是在掃描數(shù)據(jù)庫的同時把支持每個項目的事務都標記出來，采用一種新的方法生成所有的頻繁集。該算法只需對源數(shù)據(jù)庫進行一次掃描就可以找出所有的頻繁集，并通過裁剪候選集的方法達到減少候選項數(shù)目集的目的。
7、這樣做不但降低了算法的I/O負荷，而且減少了時間開銷，具有很高的效率。最后，將基于關聯(lián)規(guī)則的數(shù)據(jù)挖掘改進算法方法應用到學生考試成績管理中，對挖掘結果進行了分析，并提出了指導意見。本文的工作雖然取得了一定的成果，但尚有大量問題有待于進一步研究，比如，關聯(lián)規(guī)則挖掘應用系統(tǒng)的設計；關聯(lián)規(guī)則有趣度的研究以及如何將挖掘結果友好地呈現(xiàn)給用戶。關鍵詞：數(shù)據(jù)挖掘關聯(lián)規(guī)則頻繁集支持度可信度ResearchonAssociationRulesMiningAlgorithm-baseonAprioriandFP-growthMasterCandidate：LIAN
8、GWeiSupervisor：SUNBinABSTRACTDataMiningisoneofthemostactiveresearchfields,especial
