改进的关联规则算法在采购数据挖掘中的应用论文.doc

上海交通大学工程硕士论文  摘要 改进的关联规则算法在采购数据挖掘中的应用 摘 要 信息化社会的到来，数据存储量急剧上升。然而，尽管面临大量（甚 至是海量）的真实、有价值的数据，决策者却很难从这些数据中提取出 有价值的知识，因为这些数据从表面上看，往往是杂乱的、单维的。面 对这一挑战，数据挖掘应运而生，随着计算机性能提高、成本下降以及 数据管理技术的成功运用，数据挖掘正越来越多的应用于各类决策体系 中。 数据挖掘有许多研究方向，关联规则挖掘是其中最活跃的研究方向 之一，它反映了大量数据中项目之间的有意义关联或相关联系，其中最 经典的算法是 Apriori 算法。但是该算法在挖掘频繁项集时需要产生大量 的候选项集，多次扫描数据库，时间空间复杂度过高。针对这一局限性， 如何提高挖掘算法的效率就成为了关联规则挖掘研究的核心问题。本文 对关联规则挖掘算法进行了深入地研究，提出了一种改进方法，并将此 方法应用于上海大众汽车有限公司采购信息的数据挖掘中，得到可供决 策参考的关联规则。本论文具体工作如下： 1. 理论介绍。对数据挖掘和关联规则的基本理论进行了详尽的阐 述，通过理论介绍为算法研究和系统应用奠定了基础。 I 上海交通大学工程硕士论文  摘要 2. 算法介绍和改进。在理论认识的基础上，深入分析了关联规则挖 掘经典算法 Apriori。针对关系数据库中关联规则挖掘的特点，提出了一