基于粗集理论的关联规则挖掘的研究-计算机应用技术专业论文.docxVIP

基于麓辍集壤论鹣楚襞艇潮擒箍辫疆究the 基于麓辍集壤论鹣楚襞艇潮擒箍辫疆究 the research of rough set theory,we discussed the arithmetic of attribute reduction。 Generalization of decision table is important for the data mining．We study the technology of discretization of continuous-valued attributes and attribute—oriented concept tree ascension of nominal attributes．When the agriculture domain is targeted,we combine these two technologies- We improve on the algorithm Apriori which is classical arithmetic of associgion rule mining based on rough set theory．A prototype system was constructed for association rule mining within the framework of rough set theory,and applied to a database．The result shows the effectiveness ofprototype system+ KEYWORDS Data Mining；Association Rule；Rough Set Theory 基于粗糙集理论的关联规则挖掘的研究第一章绪论 基于粗糙集理论的关联规则挖掘的研究 第一章绪论 1．1论文的选题背景和意义 随着数据库技术的不断发展和数据库管理系统的广泛应用，数据库中的数据 量急剧增大，与相对成熟的数据采集和传输技术相比，数据分析技术相对较弱， 远远不能满足人们的需要。为此，迫切需要智能化的分析方法来支持人类从这些 迅速增长的数据中提取有用的信息。不同领域的专家已经开发了各种智能化的数 据分析系统，包括机器学习，专家数据库和专家系统中的知识获取。由于现实世 界数据的不精确性，甚至数据之间本身存在矛盾，因此，机器学刊技术在数据分 析方面存在局限性。于是，一个新的研究领域一数据挖掘技术应运而生。 数据挖掘也称数据库的知识发现(KDD)，这个术语首先出现在1989年8 月在美国底律特召开的第11届国际人工智能联合会议的专题讨论会上，从1995 年开始，每年都要举办一次KDD国际会议。并且规模由原来的专题讨论会发展 到国际学术大会。在1997年，KDD开始拥有自己的专门杂志(Knowledge DiscoveryAndDataMining))。这几年国内也有相当多的研究成果，许多学术会议 上都设有专题进行学术交流。除了理论研究以外，也出现了大量的KDD产品和 应用系统，国际上有影响的数据挖掘系统有SAS公司的Enterprise Miner，IBM 公司的Intelligent Miner，SGI公司的Set Miner等。如今，这些应用系统在信息 管理、查询响应、决策支持、过程控制等许多方面得到应用，取得了可喜的成绩， 已经得到了业界的广泛关注。 当大量数据不停地被收集和存储，业界人士对他们数据中项集之问的相关 联系越来越感兴趣。例如对电信客户数据而言，我们感兴趣的知识可能是客户的 消费模式与客户的其他特征之间有什么样的关联性。这种数据中项集之间的有趣 的相关联系称为关联规则【l】。关联规则模式是数据挖掘的知识模式中的比较重要 的一种。关联规则应用面很广，如识别欺诈。电子通信行业和信用卡公司在这方 面是两个先行者，股票交易所和银行也有这方面的需要；推销商可以用关联规则 帮助他们确定客户的主要来源，从而在不减少收入的前提下节约不必要的开支； 商场根据关联规则计划进什么货、如何摆放货物；关联规则在医学上的应用也有 重大意义，可以预测一次手术、药物检验、药物治疗的效果。关联规则可以广泛 应用于各个领域，既可以检验行业内长期形成的知识模式，也能够发现隐藏的新 规律。有效地发现、理解、运用关联规则。是完成数据挖掘任务的一个重要手段。 然而，目前的关联规则挖掘方法仍然存在许多不足。如算法效率低，产生庞 大的我们并不感兴趣的关联规则，一般仅能产生定性的关联规则等。维度高、准 确率低、响应慢是当前关联规则分析领域的主要问题。 粗糙集理论是一种新的数据分析理论。粗糙集理论的主要思想是利用已知的 知识库，将不精确或不确定的知识用已知的知