基于apriori算法的关联规则挖掘及改进-应用数学专业论文.docxVIP

基于Apr 基于Apr i or i算法的关联规则挖掘及改进 摘要 关联规则挖掘是数据挖掘中重要的研究课题，Agrawal等于1994年提出的 Apriori算法是关联规则挖掘的最有影响的算法，针对Apriori算法中频繁项 集产生效率低和产生无用规则、丢失有用规则两个核心问题，本文给出分辨矩 阵、分辨向量、兴趣度、含负属性项关联规则等并提出改进的Apriori算法， 它能有效提高频繁集的产生效率和产生更为合理的关联规则。 本文所做的主要工作： 1．给出基于分辨矩阵的挖掘频繁项集的改进算法。 2．定义兴趣度，提出挖掘含负属性项关联规则算法。 3．在Visual Foxpr06．0环境下，基于改进模式对学生成绩数据库进行关 联规则挖掘。 关键词：数据挖掘，分辨矩阵，兴趣度，关联规则，应用 MINING MINING ASSOCIATION RULES BASED ON APRIORI ALGORITHM AND IMPROVEMENT ABSTRACT Mining association rules is an important topic in the data mining research．Apriori algorithm submitied by Agrawal and R．Srikant in 1994 is the most effective algorithm．In this paper，I present recognizable matrix，recognizable vector，interestingness， association rules including negative items and submit an improved Apriori algorithm，aim at low efficiency of mining frequent itemsets and creating useless rules，losing useful rules．Based on my new method，mining frequent itemsetS iS more effective and creating aSSOCiation rules is more reasonable． ThiS paper iS mainly composed of the following result： 1．Putting forward mining association rules improved algorithm based on recognizable matrix． 2．Defining interestingness and putting forward new algorithm of mining association rules including negative items． 3．The above method iS used to mine the students’datatable under Visum ?oxpro 6．0， KEY WORDS：data mining ，recognizable matrix， interestingness，association rules，application 第一章数据挖掘与知识发现1、数据挖掘与知识发现 第一章数据挖掘与知识发现 1、数据挖掘与知识发现 利用数据库管理系统(DBMS)可以对数据库中的数据进行有效的存取，但随着数据库管 理系统的广泛应用，部门业务不断拓展，数据库中存储的数据量急剧增大，并且趋于分散， 传统的DBMS尽管提供了比较完善的存取和查询功能，但不能满足人们对大量数据进行知识 抽取、发现数据间隐藏的依赖关系，从而为决策提供科学支持的需要。数据挖掘和知识发 现正是在这种情况下产生发展的一种新型数据分析技术。 知识发现又称KDD(Knowledge Discovery in Database)，是从大量数据提取可信的、 新颖的、有效的并能被人们理解的模式处理过程。 数据挖掘是KDD最关键的步骤，也是技术难点所在，通常情况下可不加区别地使用二 者。 数据挖掘旨在能从大型数据库中提取隐藏的预测性信息，它能发掘数据间潜在的模式， 找出企业经营者可能忽视的信息，以易于理解的形式反映给用户，并为企业作出前瞻的、 基于知识的决策参考意见 。 目前国际上在该领域的研究相当活跃，无论在理论上，还是 实用技术上都取得了喜人的成果， 同时也开发出了各种专用或通用的数据挖掘软件 [2儿¨]f町f钉 2、可挖掘的知识模式 数据挖掘所能发现的知识有如下几种：广义型知识，反映同类事物共同性质的知识； 特征型知识，