关联规则及关联规则增量更新研究的中期报告.docxVIP

关联规则及关联规则增量更新研究的中期报告 本中期报告对关联规则及关联规则增量更新方面的研究做出了一些初步的探讨和总结。主要有以下几点： 一、关联规则的快速挖掘 传统的关联规则挖掘算法在处理大规模数据时往往效率低下。因此，近年来提出了一些快速挖掘关联规则的算法，如基于深度学习的关联规则挖掘算法、基于分布式存储的关联规则挖掘算法等。这些算法极大地提高了关联规则挖掘的效率。 二、关联规则的多层次挖掘 传统的关联规则挖掘算法只考虑两个属性之间的关联关系，忽略了多个属性之间的复杂关联。因此，近年来提出了一些多层次挖掘关联规则的算法，如基于层次聚类的关联规则挖掘算法、基于元组模式的关联规则挖掘算法等。这些算法能够挖掘出多个属性之间的复杂关联关系。 三、关联规则增量更新的研究 关联规则挖掘结果往往需要不断地进行增量更新，以反映数据集的动态变化。然而，传统的关联规则增量更新算法大多只能处理小规模数据。因此，近年来提出了一些基于采样和修正的关联规则增量更新算法、基于增量聚类的关联规则增量更新算法等。这些算法能够在处理大规模数据时实现关联规则的快速增量更新。 四、当前存在的问题 目前，快速挖掘多层次关联规则及增量更新方面的算法已经取得了一些进展。但是，仍存在一些问题，如既能够实现快速挖掘，又能够准确考虑多个属性之间的复杂关联关系的算法仍较为简单；增量更新方面的算法仍存在着计算时间复杂度高，更新结果不准