加权关联规则的分析-计算机应用技术专业论文.docxVIP

PAGE PAGE IV 目 录 摘 要 I ABSTRACT II 1 绪 论 1 1.1 研究背景 1 1.2 国内外研究状况 1 1.2.1 国外研究状况 1 1.2.2 国内研究状况 2 1.3 本文课题研究的目的和意义 3 1.3.1 本文课题研究目的 3 1.3.2 本文课题研究的意义 3 1.4 本文课题主要工作 4 1.5 本文课题创新点 4 1.6 论文组织结构 4 2 数据挖掘 6 2.1 数据挖掘概述及定义 6 2.1.1 数据挖掘概述 6 2.1.2 数据挖掘定义 6 2.2 数据挖掘过程 6 2.2.1 数据准备 7 2.2.2 数据挖掘 7 2.2.3 结果的解释和评价 7 2.3 数据挖掘的功能 8 2.4 数据挖掘的技术 9 2.5 数据挖掘的应用 10 2.5.1 数据挖掘科研应用 10 2.5.2 数据挖掘商业应用 10 2.6 数据挖掘对社会影响及展望 11 2.6.1 数据挖掘的社会影响 11 2.6.2 数据挖掘展望 11 2.7 本章内容小结 12 3 关联规则挖掘理论和算法 13 3.1 关联规则的基本概念 13 3.1.1 基本概念及定义 13 3.1.2 关联规则挖掘的过程 14 3.2 关联规则挖掘分类 14 3.2.1 布尔型关联规则和数值型关联规则 14 3.2.2 单层关联规则和多层关联规则 14 3.2.3 单维关联规则和多维关联规则 15 3.2.4 约束性关联规则和不带约束性关联规则 15 3.3 关联规则经典算法 15 HYPERLINK \l _TOC_250004 3.3.1 Apriori 算法 15 3.3.2 由频繁项集产生关联规则 16 HYPERLINK \l _TOC_250003 3.3.3 Aproiri 算法的缺陷 19 HYPERLINK \l _TOC_250002 3.4 优化 Aproiri 算法的方法 19 HYPERLINK \l _TOC_250001 3.4.1 基于 Aproiri 算法的优化 19 HYPERLINK \l _TOC_250000 3.4.2 不产生候选挖掘频繁项集—FP-gorwth 算法 20 3.5 基于约束的关联挖掘 20 3.5.1 约束的关联挖掘分类 20 3.5.2 规则约束性的关联规则的实现 21 3.6 关联规则发展趋势 21 3.7 本章小结 22 4 加权关联规则挖掘的研究 23 4.1 加权关联规则定义 23 4.2 加权关联规则的算法 25 4.2.1 K-支持期望 25 4.2.2 加权关联规则算法 26 4.3 加权关联规则的优化 29 4.3.1 水平权值归一化的加权关联规则的优化 29 4.3.2 其他的加权关联规则的优化 29 4.4 一种改进的加权关联规则及算法研究 30 4.4.1 问题的提出 30 4.4.2 水平加权关联及垂直加权关联规则 30 4.4.3 改进的加权关联规则相关定义 32 4.4.4 改进的加权关联规则算法及实现 34 4.4.5 MWAL 算法与其它算法比较分析与讨论 39 4.5 本章小结 40 5 总结和展望 42 5.1 主要总结 42 5.2 后续研究工作 42 致 谢 43 参考文献 44 附 录 47 作者在攻读硕士学位期间发表的论文目录 47 PAGE PAGE 10 1 绪 论 1.1 研究背景 20 世纪 60 年代数据库技术在政府、商业部门和科研机构等广泛应用以来， 随着这些部门机构数据库的数据日益增长，传统的数据库技术仅限于对数据库的 查询和检索，不能从数据库中提取知识，使得数据库中所蕴含的丰富知识白白浪 费，如何在历史积累的大量数据中发现隐藏的规律或模式作为决策参考已成为迫 切需要解决的实际问题。因此必需寻求相应的数据挖掘工具，自动地从大量数据 中发现隐藏的规律或模式，为决策提供支持。在这背景下，数据挖掘是为了解决 这些问题而提出来的数据分析工具。 数据挖掘（Data Mining，DM）是指从大型数据库或数据仓库中提取隐含的、 先前未知的、对决策有潜在价值的知识和规则。数据挖掘技术是伴随数据库知识 发现（Knowledge Discovery in Database, KDD）研究中发展起来的。也有文献[2，6， 14]也把数据挖掘等同于KDD，认为数据挖掘更强调的是过程。实际应用中，人们 往往不严格区分知识发现与数据挖掘，一般在理论研