以概念分層為背景知識的關(guān)聯(lián)規(guī)則挖掘算法的分析.pdf

1、隨著數(shù)據(jù)庫技術(shù)的快速發(fā)展以及人們獲取數(shù)據(jù)手段的多樣化,我們所擁有的數(shù)據(jù)急劇增加,但對這些數(shù)據(jù)進(jìn)行分析理解的工具卻很少.數(shù)據(jù)庫系統(tǒng)所能做到的只是對這些數(shù)據(jù)進(jìn)行存取和簡單的操作.大量數(shù)據(jù)背后隱藏著對決策十分有用的信息,例如數(shù)據(jù)的整體特征、數(shù)據(jù)所表現(xiàn)出來的發(fā)展趨勢等,但從海量的數(shù)據(jù)中獲取這些信息卻不是一件容易的事.數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在的有用信息和知識的過程.關(guān)聯(lián)分析是數(shù)據(jù)

2、挖掘的先行者,并且與其他學(xué)科的交叉內(nèi)容較少.Apriori算法是關(guān)聯(lián)分析的基礎(chǔ),量化關(guān)聯(lián)規(guī)則挖掘所關(guān)心的問題是將連續(xù)數(shù)值的關(guān)聯(lián)分析轉(zhuǎn)換為布爾值,多維關(guān)聯(lián)規(guī)則分析與約束性的關(guān)聯(lián)分析都是解決實用問題的算法.數(shù)據(jù)挖掘中應(yīng)用的方法包括傳統(tǒng)的統(tǒng)計分析、分類、估計、預(yù)測和相關(guān)分析、關(guān)聯(lián)規(guī)則、聚集,也包括最新發(fā)展起來的一些諸如數(shù)據(jù)可視化、決策樹和神經(jīng)網(wǎng)絡(luò)等一些較新的方法.本文首先簡要介紹了數(shù)據(jù)挖掘的產(chǎn)生、功能、分類和可供挖掘的數(shù)據(jù)源,然后詳細(xì)分析了關(guān)