数据挖掘技术与联规则挖掘算法研究.pdfVIP

摘 要 数据挖撼是致力于数据分辑翻理瓣、揭示数据内部蕴藏知 识的技术，它成为未来信息技术应用的重凄目标之一。经过十 几年的努力，数据挖掘产生了许多新概念和方法。特剐是最近 几年，～些基本摄念和方法憝于瀵壤，它灼研究正岛羞更深入 的方向发展。像其它新披术的发展历程一样，数据挖掘技术也 必须经过概念提出、概念接受、广泛研究和探索、逐步应用和 大蹩痊翔等除段。铁嚣葭戆骥状豢，大郝分学黉认为数据挖掘 的研究仍然处于广泛研究和探索阶段，追切需要在基础理论、 应用模式、系统构架以及挖掘算法和挖掘语畜等方面进行创 薪。关联筑潮挖掘是数据挖掇中成果簸丰嚣萎跑较活跃熬磷究 分支，瞬给研究者的是更深入的课题。面对大型数据瘁，关联 规则挖掘需要在挖掘效率、可用性、精确性等方面得到提升。 困诧，需要探索新静挖掘逢论和模壅；需瓣乖l用孺户的约束等 聚焦挖掘旦标；嚣要对一些传统的算法进行改进：也嚣要研究 新的更有效的算法等。鉴于爵前数据挖掘技术和关联规则挖掘 研究的现状和发展趋势。在备类蘩金的支持下，我们选择了这 一课题汗震糖关王馋。 本文的研究主要包括数据挖掘应用系统体系结构、关联规 则挖掘理论及其算法等。关于数据挖掘应用系统体系结构研究 方嚣，我翻设计了一令数据挖掘瘦瘸系统戆器型体系续梅，系 统化地分析了知识发现的基本过程和系统的各部件功能。由于 不间的源数据类型、不同的应用冈标以及不同的挖掘策略对数 据挖摇系统鳃功能舔件蝥求不霞，这麓研究主罄是麸稚诱发现 的基本过程出发，探讨系统戍具餐的主要功能部件及其相互联 系等。在关联规则挖掘理论研究上，我们首次给出了项目序列 集格空闻，并置探讨了在这个空阀上静基本搡作算子。基予顼 耳序列集格空闽及冀操住，我们慈立了关联援则挖掘模型积算 法。在关联规则挖掘算法方面，设计了基于项目序列集操作理 论的关联规则挖掘算法ISS．DM、时态约束下的关联规则挖掘 彝法TISS．DM、数据分裂下戆关联援剥撼掘算法PISS。DM。 IsS．DM算法是建立在严格的项目序列集格理论及其操作基 础上，是一个一次数据库扫描的而鼠不使用候选集的高效算 j匕京工业大掌工掌博士掌位论文 法。我们选择目前引用率较高的Apriori算法和IsS．DM进行 了对比实验。结果表明，IsS．DM执行时间整体上优于Apriori 算法，而且随着数据量的增大ISS．DM执行时间的增长幅度也 小于Apriori算法。为了提高对大型数据集挖掘的适应性，将 时态约束应用到挖掘的预处理中，改进ISS．DM成TIsS—DM。 这部分工作还包括对时态区间、时态约束下的数据挖掘空间以 及时态区间操作等进行了形式化，它们是TlSS-DM的理论基 础。对IsS．DM的另一个改进算法是PlSS．DM。它是针对大数 据集挖掘过程中对内存和CPU等系统资源要求较高的情况被 提出和设计的，采用了数据分割的方法来减少资源的占用。本 文解决了数据分割下局部频繁项目序列集和全局频繁项目序 列集的转换等问题，是一个两次扫描数据库的算法。 总之，本文在分析、归类现有数据挖掘研究成果以及原型 系统的基础上，进行了数据挖掘应用系统体系结构、关联规则 挖掘理论模型以及算法方面的研究。在项目序列集格及其操 作、时态约束挖掘空间等方面具有较好的理论价值，所设计的 算法在挖掘效率和对大型数据库挖掘的可用性方面具有潜在 的应用前景。 关键词：数据挖掘，知识发现，关联规则，项目序列集， 时态约束，数据分割。 n Abstract Data isa thataimsto and miningtechnique analyze Understandsourcedataand large reveal hidden knowledge inthedata。It hasbeenviewedasan in