關聯規(guī)則經典算法改進及其在商業(yè)智能上的應用研究.pdf

1、隨著數據庫技術的成熟和數據應用的普及,人類積累的數據量正在以指數速度增長.當數據量極度增長時,如果沒有有效的方法,由計算機及信息技術來提取有用信息和知識,人們也會感到面對信息海洋像大海撈針一樣束手無策.面對這一挑戰(zhàn),數據挖掘技術應運而生.數據挖掘(Data Mining,DM)就是從大量的數據中挖掘出人們感興趣的知識,它是一類深層次的數據分析方法,被認為是解決"數據爆炸知識貧乏"的有效方法之一.最近幾年里已被數據庫界廣泛研究.經過若干年

2、的研究和實踐,其經濟價值已經顯現出來,被廣泛應用于科學研究、金融投資、市場營銷、保險、醫(yī)療衛(wèi)生、產品制造業(yè)、通信網絡管理等行業(yè). 在整個數據挖掘的研究中,高效率的算法始終占有特別重要的地位.由于數據挖掘面對的是大量的數據集,因此算法的效率將對其應用起關鍵的作用.現有的算法總有著這樣或那樣難以克服的局限性.鑒于此,本文著重對關聯規(guī)則挖掘算法進行了研究. 在研究經典Apriori算法的基礎上,給出了一個新的算法,分別從減小時

3、間消耗和有效挖掘小概率重要規(guī)則兩個方面對Apriori算法進行了改進:一方面,針對Apriori生成的潛在頻繁項目集規(guī)模過大,新算法盡量減小潛在2項集的規(guī)模,使之盡可能的接近頻繁2項集,大大縮短了時間消耗；另一方面,針對數據庫中項目分布不均勻,出現概率相差較大,所挖掘出的關聯規(guī)則將可能涉及不到出現頻率較低的項目的問題,通過給他們賦以不同權值,區(qū)別對待數據庫中的每個項目,從而可以挖掘出Apriori挖不出但卻極具價值的規(guī)則. 經過