（毕业设计论文）计算机数据挖掘关联规则算法及其应用.docVIP

PAGE 摘 要 这些年来，人们利用信息技术生产和搜集数据的能力大幅度提高。面对海量数据，人们更加关注的是隐藏在数据背后的重要信息，而非数据本身。数据挖掘满足了我们的需求，它是帮助我们发现数据中重要知识的有利工具。关联规则是数据挖掘的一个重要分支，挖掘出大型事务数据库中的关联规则对不同领域实际问题的解决起着非常重要的作用。 本论文主要研究关联规则算法及其应用。首先，论文系统地阐述了数据挖掘和关联规则中的相关理论知识，为研究内容的全面展开打下坚实的理论基础。其次，论文通过指出经典的挖掘频繁项目集算法Apriori算法的性能瓶颈问题，即多次扫描数据库以及可能会产生庞大的候选集，为新算法的研究找到入口。因此，本论文对Apriori算法做了如下改进：首先从数据库布尔矩阵的角度来生成和，打破了Apriori算法生成的固有模式；然后在证明结论“生成的连接步可用来代替”成立的基础上，再来改进k-候选集的集合(k≥3)的生成算法。 所以，综合上述工作本论文提出了Apriori算法的改进算法BMSL_Apriori算法(Boolean Matrix Simplified Linked_Apriori算法)。首先通过对BMSL_Apriori算法的理论性分析，我们可以得知该算法不仅能够减少数据库的扫描次数以及一定程度上避免庞大候选集的产生，而且还能够降低算法的时间与空间开销。然后，我们又通过具体的实验进一步证明了BMSL_Apriori算法的效率确实优于Apriori算法和其他算法。最后，在较好的软硬件环境下并借助真实超市交易数据库中的部分数据，论文采用Microsoft SQL Server 2005和VB.NET作为开发平台来构建一个简单的关联规则挖掘系统，将BMSL_Apriori算法应用到关联规则的生成中，通过挖掘结果再次证明了该算法较Apriori算法和其他算法确实取得了不错的挖掘效果。 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc304312398 第一章 绪论 PAGEREF _Toc304312398 \h 4 HYPERLINK \l _Toc304312399 1.1 论文的研究背景 PAGEREF _Toc304312399 \h 4 HYPERLINK \l _Toc304312400 1.2 数据挖掘技术的发展历史及国内外研究现状 PAGEREF _Toc304312400 \h 4 HYPERLINK \l _Toc304312401 1.3 论文的研究意义 PAGEREF _Toc304312401 \h 6 HYPERLINK \l _Toc304312402 1.4 本文的组织结构 PAGEREF _Toc304312402 \h 7 HYPERLINK \l _Toc304312403 第二章 数据挖掘 PAGEREF _Toc304312403 \h 7 HYPERLINK \l _Toc304312404 2.1 数据挖掘的概念 PAGEREF _Toc304312404 \h 7 HYPERLINK \l _Toc304312405 2.2 数据挖掘的方法 PAGEREF _Toc304312405 \h 8 HYPERLINK \l _Toc304312406 2.2.1 统计方法 PAGEREF _Toc304312406 \h 8 HYPERLINK \l _Toc304312407 2.2.2 关联规则 PAGEREF _Toc304312407 \h 8 HYPERLINK \l _Toc304312408 2.2.3 聚类分析 PAGEREF _Toc304312408 \h 9 HYPERLINK \l _Toc304312409 2.2.4 决策树方法 PAGEREF _Toc304312409 \h 9 HYPERLINK \l _Toc304312410 2.2.5 神经网络 PAGEREF _Toc304312410 \h 9 HYPERLINK \l _Toc304312411 2.2.6 遗传算法 PAGEREF _Toc304312411 \h 10 HYPERLINK \l _Toc304312412 2.2.7 粗糙集 PAGEREF _Toc304312412 \h 10 HYPERLINK \l _Toc304312413 2.2.8 可视化技术 PAGEREF _Toc304312413 \h 10 HYPERLINK \l _Toc304312414 2.3 数据挖掘过程 PAGEREF _Toc304312414 \h 11 HYPERLINK \l