基于数据挖掘中关联规则的应用研究-计算机技术专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘 要 随着科技的发展，大数据越来越引起人们的关注。单个的数据可能没有价值，但是越来 越多的数据累加，就会引起质变。人们收集数据的技术也在不断进步，数据挖掘技术就是从 数据中提取有价值的信息，数据挖掘技术融合了很多学科领域的技术，涉及面非常广泛。关 联规则技术正是在数据挖掘技术蓬勃发展的时代下产生和发展起来的。 随着数据挖掘技术的不断发展，关联规则技术已经广泛应用到各行各业。关联规则的核 心问题是发现频繁项集，本文就围绕着这个核心问题展开研究。其一是针对经典的 Apriori 算法在处理中需要多次扫描事务数据库，且会产生大量的候选集的瓶颈问题，给出了一种改 进的 Apriori 算法，改进的算法能够提高 Apriori 算法的效率。其二是针对频繁模式增长算法 在构造 FP-tree 时，可能会使构造的 FP-tree 非常茂盛，导致存储空间的浪费和运算速度降低 的缺陷，给出了一种基于链地址以及分割事务数据库的改进方法；同时采用分治法的策略来 发现频繁项集，以提高数据挖掘的效率。 本文进行了实验比较分析，实验结果表明，改进后的算法能够提高原算法的效率。最后 结合工程项目将改进的 Apriori 算法与改进的 FP-Growth 算法应用于购物篮数据分析，有效地 发现了商品之间的关联关系。 关键字：数据挖掘，关联规则，Apriori 算法，FP-Growth 算法 I Abstract With the development of science and technology, the big data has attracted more and more attention. A single data may be of no value, but when more and more data is accumulated, it will cause the qualitative change. The technology of people collecting data is continuing to progress. The technology of data mining is to extract valuable information from the data, which involves the integration of many disciplines technology and covers a very wide range. The association rules in data mining is produced and developed in the era of technology vigorous development. Along with the development of technology, now it has been widely applied to other industries. The core problem of association rules is to find the frequent itemsets. This thesis mainly introduces the classical algorithm Apriori. This algorithm needs to scan the database many rounds, and will produce a large number of candidate sets. Firstly this thesis proposes an improved Apri