基于矩陣的關聯(lián)規(guī)則挖掘算法的設計與實現(xiàn)

《基于矩陣的關聯(lián)規(guī)則挖掘算法的設計與實現(xiàn)》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在工程資料-天天文庫。

1、山東大學碩士學位論文基于矩陣的關聯(lián)規(guī)則挖掘算法的設計與實現(xiàn)姓名：牛小飛申請學位級別：碩士專業(yè)：計算機軟件與理論指導教師：石冰山東大學很大的進步，然而，有一幣架中還沒有被發(fā)現(xiàn)，如規(guī)則天上漲，四天后下跌的可能我們稱該規(guī)則為事務間關耳;出了挖掘1.維事務間關聯(lián)關鍵字：數(shù)據(jù)挖掘、關聯(lián)規(guī)山東才AbstactDhaetpam?1bn1?1engmor0abundantdataaarchfr0nt■1erw?1nf0rmat■10nscat?10nshaVegre?1mpr0Vedtheabedt0af?1e1dthabr0adpr0spectescr?1besth

2、ec0funct?10n0fdatatam?1n?1ngsystd?1fferencebetpr0gresmu1'pe0srw￥ai?1st?1ngasm?1n?1ngfrMm?10csrt01s■10kfeurdaysafterc0mest?1ngwe?1ntertrec0n.cept■1nter—tp■1r0cessnter—traethnoaaanyroncapacat■亠faeoroeW8io111±1%11o?IXomnKeyWords：DataminiiUpdationassocia日期:本人鄭重聲明：月立進行研究所取得的萬包含任何其他個人

3、或糜究作出重要貢獻的個丿的法彳唸議*X諸基于矩陣由第一章引言1?1課題提f隨著信息技術的迅其主要原因是隨著數(shù)據(jù)黍知俱種類甫例如,則問題【2】，并于199書富弄奚聯(lián)規(guī)則的挖掘問題算法進行優(yōu)化，如引入隨機算法挖掘規(guī)則的效率：有的二Apriori算法的挖掘刁挖掘頻繁項集的FP—Gr(六珈關聯(lián)規(guī)則的挑戰(zhàn)性在于數(shù)扌用內(nèi)存小、L/o操作少、扌關聯(lián)規(guī)則挖凰編加4W標數(shù)據(jù)中客體BI山東大第二章課題研究邸數(shù)據(jù)挖掘（Dat中提取隱含其中、人忙式進行高級處理的遼面關于關聯(lián)規(guī)則的研究2.1數(shù)據(jù)衣2.1.3分類（學會一個分類函數(shù)或分類杉據(jù)項映射到給定類別中的某集），以及基于訓練

4、集中數(shù)成一系列的分類規(guī)則，這些以更好地理解數(shù)據(jù)庫中的每距離度量。2?1?6演彳這可能包括時間相關數(shù)特點包括時間序列分析2o2數(shù)據(jù)挖掘1典型的數(shù)據(jù)挖掘山東大學彳用戶確信方面的知識也可匸模式的興趣度。?數(shù)據(jù)挖掘引擎：這是數(shù)據(jù)挖掘的最重要I成，用于特征化、關聯(lián)、分類?模式評估模塊：通常此成分使用興趣度'以便將搜索聚集在有趣的模:評估模塊也可以與挖掘模塊3對于有效的數(shù)據(jù)挖掘，建議丿搜索限制在有興趣的模式上。概括說來，數(shù)據(jù)非的本質(zhì)區(qū)別是數(shù)據(jù)挖掘據(jù)挖掘所得到的信息應是指該信息是預先未預或知識，甚至是違背直賢有價值。數(shù)據(jù)挖掘是從現(xiàn)呂數(shù)據(jù)挖掘出現(xiàn)之前早亡準備的數(shù)據(jù)，這

5、些數(shù)據(jù)第三章ABM算法的理關聯(lián)規(guī)則描述了數(shù)據(jù)庫中，關聯(lián)規(guī)則模式是比較重g出，是數(shù)據(jù)挖掘中一種簡單彳聯(lián)規(guī)則的算法屬于無監(jiān)督學習￡3?1關聯(lián)規(guī)則的有:子集設即iT厲項白關聯(lián)151116】山東刁狀況不好，索賠率也木描述關聯(lián)規(guī)則屬I）支持度（S支持度s是Dsuppon(Az,事務中岀跳的概率。例m,有100條，則關聯(lián)夫頻度。滿足最小支持衛(wèi)黑有3）擄?僵山東大學供。例如對一個學校的50顯示：60%的學生(3CN1(2000)既打籃球又匚則“打籃球j吃谷類早餐，，是-2000/3000=665因為總的吃谷類早餐的學生I即避免生感:鯉，旳卿則flB)=P(B山東大是

6、布爾型關聯(lián)規(guī)則；性所以是一個數(shù)值型關聯(lián)2.基于規(guī)則中數(shù);在單層的關聯(lián)規(guī)貝同的層次的；而在多層例如：IBM臺式機==>Sony打印機，ABM算法挖掘的是單整數(shù)弓山東大學TIDItemsetsT1BroadoCoke,CT2Coke,Beerl"3Coke.Mill(T4Bread?Coke.T5Bread?M鹽T6Coke,Mi1kT7Bread.MiIkT8Bread,Coke,hz7n9Bread,Coke山東大on高算法丿皆能就是產(chǎn)生的*上存在著問題。主K）都需要掃描數(shù)昨L2是最耗床山東大學;第一遍，先把數(shù)據(jù)J個部分能夠放入內(nèi)彳項集）。然后匯總j全

7、局支持度，以確;頻繁集至少在一個；想，同樣可以減輕（進行掃描的事務集山東h最小支持度而它們不包當k=2時的性能是一使用哈希函數(shù)h(x,y)=(((￡i口~q舌+(ord?t山東大學項，并分別挖掘每個數(shù)據(jù)棒在內(nèi)存中，將原來從磁盤耶比在磁盤中快數(shù)萬倍57..論文［7］對FP—tr，(1)它有一個標記為prefixsubtree)的集合，itable).(2)每個項前綴子樹［1inko_在旌聯(lián)￡2頁目集。山東大接后綴。它使用最不頻索開銷。142面給出的數(shù)據(jù)庫0B￥Q7▼3月2)可以被擴WI展為{1，2L”最小支持數(shù)211?z5｝也是頻繁3—項集。3,5）都不

8、能再擴展，算法終一圖3.翱瀆駆外推g嘟4山東大第四章基于矩陣的前面我們介紹的纟需要多次掃描數(shù)據(jù)