关联规则挖掘算法的分析及应用-计算机应用技术专业论文.docxVIP

摘要 移动企业是典型的数据密集行业，拥有海量的用户数据。随着移动服务普及 程度和需求程度的日益提高，移动企业的竞争也日趋激烈。企业在竞争中获胜的 关键在于如何充分的利用移动数据库中的历史数据，挖掘出隐藏在数据背后对企 业有价值有意义的知识，帮助企业制定精准化营销策略，使得企业在竞争中处于 优势地位。 本文首先研究了数据挖掘的相关技术、方法和数据挖掘的挖掘过程，着重对 关联规则经典算法 Apriori 算法进行了深入研究，针对 Apriori 算法的缺点和不足， 它需要频繁的扫描数据库和生成大量的候选项集，提出了一种有效的改进算法。 该算法通过减少行扫描数和候选项集的生成数量，从而大大提高算法的效率，实 验证明该算法的执行效率明显高于经典 Apriori 算法。 然后，针对传统数量型关联规则划分边界过硬等问题，本文基于模糊集理论 及其性质对边界进行软化，应用模糊 c-均值聚类算法把原始数值型属性转化为相 应隶属度值，有效的避免尖锐边界问题。并通过设定相应阈值，减少支持度的计 算量，有效的减少模糊关联规则挖掘的时间，提高模糊关联规则挖掘效率。 最后，结合青海移动的海量历史数据，依据数据挖掘 CRISP-DM 流程模型， 将改进的布尔型关联规则算法和模糊关联规则算法应用到青海移动 GPRS 业务数 据中，从而挖掘出客户特征和移动 GPRS 业务之间的关联关系。挖掘结果证明了 算法的可行性