關(guān)聯(lián)規(guī)則挖掘算法及其在web挖掘上應(yīng)用的研究

關(guān)聯(lián)規(guī)則挖掘算法及其在web挖掘上應(yīng)用的研究

ID:33535187

大?。?.09 MB

頁(yè)數(shù):78頁(yè)

時(shí)間:2019-02-26

關(guān)聯(lián)規(guī)則挖掘算法及其在web挖掘上應(yīng)用的研究_第1頁(yè)
關(guān)聯(lián)規(guī)則挖掘算法及其在web挖掘上應(yīng)用的研究_第2頁(yè)
關(guān)聯(lián)規(guī)則挖掘算法及其在web挖掘上應(yīng)用的研究_第3頁(yè)
關(guān)聯(lián)規(guī)則挖掘算法及其在web挖掘上應(yīng)用的研究_第4頁(yè)
關(guān)聯(lián)規(guī)則挖掘算法及其在web挖掘上應(yīng)用的研究_第5頁(yè)
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(xiàn)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)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

2、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)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:

3、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.DataMiningmergesmanyimportantresearchfieldsincludingmachinelearning,a

4、rtificialintelligent,statistics,knowledge—basesystemsanddatavisualization,etc.However,currentalgorithmsproposedfordatAminingofassociationrulesrequireseveralpassesovertheanalyzeddatabaseTheI/0overheadinscanningthelargedatabasecanbeextremelyhigh。Anef蠡cientalgori

5、thmQAISiSproposedthatusestheef五cientmethodtoreducedatabaseaccessactivity,andpresentanovelalgorithmAIUbasedonthisalgorithm.itiSfitforminingassociationrulesandincrementalupdating.ItiSespeciallyeffectiveinVLDB,mininglongpatterns,andhighsupport.ThePerformanceofQAI

6、S/AIUiSverifiedonthebasisofsyntheticdatajexperimentsshowthattheproposedalgorithmcanmineassociationrulesmoreefficientlybynotgeneratingcandidateitemsetsandreducingtheredundancyol、fi'equentitemsetswhilegeneratingassociationrules.Andthen,aextentofassociationrules—

7、TimeSeriesPatterniSdiscussed,andanefficientimprovedalgorithmofwebminingispresented.ThePerformanceofalgorithmsiSverifledonthebasisofsyntheticdatatoo.Atlast,theproblemsfacedintheminingassociationrulesfieldarediscussedinthepaper.Keywords:DataMining,KDD,Associatio

8、nRules,IncrementUpdating,TimeSeriesPattern,WebMining+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,加速了信息化的進(jìn)程。數(shù)據(jù)庫(kù)的蓬勃發(fā)展,使得數(shù)據(jù)(Data)大量累積,久而久之,造成數(shù)據(jù)過(guò)多而信息(Information)不足的嚴(yán)重問(wèn)題。因此數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶(hù)上傳,版權(quán)歸屬用戶(hù),天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶(hù)請(qǐng)聯(lián)系客服處理。