关联规则并行研究分解.docVIP

综 述 报 告 报告题目：_ 关联规则的并算法研究综述 学生姓名：__李 艺___ ______ ______ 入学年份：__2009年9月____ __ ______ 专 业：__计算机应用技术__________ 研究方向：__生物信息学______________ 导 师：__蔡应繁 周应华___________ 时 间：__2014年3月 __ 说 明 研究生论文选题是研究生进行学位论文工作的开端，也是对研究生进行科研训练的重要一环。选题时要把握开拓性、先进性、成果的必要性、成果的可能性等原则。选题要在导师指导下，由研究生独立进行。课题还应尽可能符合研究生的素质特点和兴趣，尽可能结合已有的科研任务，尽可能纳入我院的科研计划。 研究生开题是在第四学期末进行，无论是参加导师课题或自选课题的研究生，一律要求从第三学期开始进行选题调研，充分学习了解某领域的国内外研究现状，保证必要的前期研究积累。 开题前两周必须提交一篇10－15页（统一的技术报告格式）的综述报告给导师审阅，由导师签字认可，作为必要材料附在开题申请表后，否则不允许进行开题。 该综述报告必须保证20篇以上的文献阅读量（记录在参考文献中），其中英文文章篇数不少于50％。 导师要给学生充分的开题建议。 重庆邮电大学计算机学院 2014年3月 关联规则的并行算法研究综述 李 艺 重庆邮电大学计算机科学与技术学院 重庆 400065 E-mail: 320062153@ Tel:摘 要：关联规则挖掘是近年来数据挖掘研究中一个相当活跃的领域。本文详细介绍了关联规则及相关术语的定义,对关联规则的分类进行了评述，着重介绍了关联规则的算法以及关联规则的并行挖掘算法，重点对一些算法进行了分析，并对未来的发展进行了预测和展望。 关键词：数据挖掘 关联规则 并行 分布式 A Survey of Research on Algorithm of parallel of association rules Abstract：Association rules mining is a very active field of data mining research in recent years.This paper introduces in detail the relevant regulations and related definitions,as the classification of association rules are introduced, with the emphasis on the importance of several parallel algorithms of association rules excavation algorithm of association rules and algorithm analysis and prediction of the future development prospects. Keywords: Data mining Association rules Parallel Distributed 1.引言 近年来，随着计算机存储与数据库等技术的飞速发展，特别是云储存的出现及发展，使得人们所拥有的数据信息量大幅增加，如何从海量的数据中挖掘出有价值的信息已经成为国内外相关专家研究的课题。传统数据库系统无法发现隐藏在海量数据背后的关系，也无法使用已知的数据去预测未来的数据发展趋势与方向，从而导致“数据海量而信息缺乏”现象。[1] 人工智能（Artificial Intelligence）[2]和机器学习（Machine Learning）[3]的出现为人们对海量数据的分析提供了便利，而且直接促使数据挖掘(Data Mining) [4]的产生，并得到迅速发展。数据挖掘具有重要的理论及应用价值，因为它不仅能用来描述过去数据的发展过程，而且可以发现先前未知的有用模式，具有预测未来观测结果的能力，已成为一个具有广阔应用前景的热门研究方向。目前，数据挖掘已经被成功地应用在信息管理、科学研究、工程设计、过程控制、决策支持等许多方面。 数据挖掘可采用分类、聚类、关联分析、预测、序列分析等多种技术对数据进行分析处理，其中与关联分析对应的关联规则挖掘是数据挖掘研究的一个重要分支。关联规则（Association Rule）是在1993年被Agrawal等[5]首次通过分析购物篮问题而提出的。1998年Cai等[6]提出了加权关联规则挖掘算法，引入了项目权重，之后大量学者专家进行了加权关联规则研究，提出了许多垂直加权