关联规则数据挖掘算法及其在智能物流中的应用分析.docVIP

关联规则数据挖掘算法及其在智能物流中的应用分析 第14卷第2期科技和产业Vol. 14, No.2 2014年2月February, 2014 Science Technology and Industry 关联规则数据挖掘算法及其在智能物流中的应用分析戴小廷(福建工程学院交通运输系，福州350108) 摘要:关联规则数据挖掘算法是近年国内外学者关注的一个课题。国内外学者为了提高挖掘的效率对其做了不断的改进研究。在关联规则数据挖掘算法的房、理分析的基础上，对国内外该算法的研究现状做了认真分析，并分析了其在商止、医疗、保险、通讯、工业、农业等领域的典型应用，提出将不同的算法应用于实际挖掘工作中是未来进一步深化研究的方向。结合当前物流企业数据分析现状与需求，分析了关联规则数据挖掘在智能物流中的具体应用，为物流企业改善物流营销服务、优化物流路径等提供决策支持。关键词:关联规则:数据挖掘;智能物流;决策中图分类号:TM 73 文献标志码:A文章编号:1671-1807 (2014 )02-0113一04关联规则数据挖掘是数据挖掘中是一个重要的学习、数据仓库等技术的支持下，不断产生各种优化课题，近年来一直是信息技术与管理领域研究的热和创新的算法，为数据挖掘工作的开展奠定了较坚实点。从大量的数据集中找出数据项之间的关联关系，的基础。即某一项或某几项数据的出现在一定的置信度下另在众多的数据挖掘算法中，关联规则数据挖掘算一项数据或另几项数据出现的可能性，也即数据之间法是一种产生较早且比较基本的方法，该算法简单、的这种关联关系就是关联规则，这种关联包括简单关适用，可操作性强，其基本原理就是设定数据出现频联、时序关联、因果关联，一般来说，寻找隐藏在数据率的支持度以及关联规则的可信度，采取特定的算法中的这类关联规则特别是高置信度和可信度的规则从已知的事物数据集中找出符合支持度要求的频繁能为特定用户提供有价值的信息，从而支持其决策过项集，然后再频繁项集里面应用剪枝等策略获取符合程。在关联规则挖掘的方法中，最经典的算法就是可信度要求的关联规则。在整个关联规则的挖掘过Apriori算法，除此之外还有Patition算法、完全频繁程中，比较关键的是频繁项集的寻找，如何快速准确项集挖掘、频繁闭项集挖掘、最大频繁项集挖掘算法的找出所有符合设定条件的频繁项集是关联规则数以及一些新的频繁项集挖掘算法，因需要大量候选集据挖掘算法研究的重点。开展挖掘致使大多数寻找频繁项集算法效率不高。2 关联规则数据挖掘算法研究进展最近几年就改进挖掘效率，许多学者开展了相关2.1 关联规则数据挖掘算法国内外研究综述研究，取得了一些成果，但总体而言，这些改进的算法近二十年来国外许多数据挖掘领域的研究人员还是都有各自的优缺点，应用中有不同的限制条件，投入了大量的时间和精力，深入研究了关联规则的算比如在处理大量的数据方面算法效率还不够高、既有法，其中Agrawal等人于1993年提出的Apriori算算法对于流数据的挖掘还需改进、寻找并行算法中的法就是其中最具代表的成果，随后众多学者又在此基有效平衡负载点等问题都有待于进一步的研究等。础上提出了一些改进，目的在于提高算法的效率，从1 关联规则数据挖掘算法原理而改进数据挖掘的效率。这方面的研究是目前数据数据挖掘技术自20世纪80年代出现以来，经过挖掘领域研究的热点之一。Apriori算法是挖掘布尔关联规则频繁项集的一众多学者的努力，理论和方法巳日趋成熟，至今它已种非常经典的算法[1]Han Jia. pei等人在Apriori形成了一系列的挖掘算法，特别是在人工智能、机器收稿日期:2013一12一17基金项目:福建工程学院2011年度校科研发展预研基金CGY-Zl1077)作者简介:戴小廷(1972-)，男，江西宜春人，福建工程学院，副教授，博士，研究方向:信息管理与信息系统，供应链管理等。113 科技和产业第14卷第2期算法的基础上提出了直接生成频繁项集的算法FP??在过去的几年里，伴随着关联规则数据挖掘算法growth，在数据集相当密集或支持度阔值较低时其的丰富和发展，该算法在实际领域有了较多的应用，挖掘性能更加出色，弥补了原算法在处理长模式和密在商业、医疗、保险、通讯、工业、农业等领域都有开展集数据集时性能低下的不足[2JFP树法并不产生候具体应用，取得了一定的成效。如陆璐将关联规则的选项集，关联规则的算法可按照需不需要产生候选项数据挖掘应用在集装箱追踪系统中，找出客户发货去集的做法分为两类，以FP(频繁模式)树法与Apriori向之间，以及发货种类与发货去向之间的关联关系，为代表。Park等人提出将哈希表结构用于关联规则为其开展物流市场营销，提供科学，低风险的决策依的DHP算法能有效进行数据集删减和过滤由k一项据[ll]。刘尚辉等将