關聯規(guī)則算法的改進研究與應用

1、ClassifiedIndex：TP3111UDC：622SouthwestUniverSityofScienceandTechnoIogyMasterDegreeThesiSResearchandAppIicationofImprovedAssociationRulesAIgotithmGrade：2010Candidate：WangHaoAcademiCDegreeAppIiedfor：MasterSpeciaIity：Commun

2、icationandInformationSystemSupervisor：AssociateProfessorWuJingApr19。2013西南科技大學碩士研究生學位論文第1頁摘要隨著互聯網與信息技術的發(fā)展，各行業(yè)的數據量都在迅猛增加。在高速增長的數據與傳統(tǒng)的數據分析方法之間矛盾的刺激下，數據挖掘技術應運而生了。關聯規(guī)則挖掘算法能夠發(fā)現交易數據庫中各類商品之間的隱含的內在聯系。但經典的關聯規(guī)則挖掘算法存在著缺陷，不能滿足現今大數據挖

3、掘的需求，所以對關聯規(guī)則算法的研究與改進具有十分重大的意義。而今隨著語音技術的廣泛應用，針對語音數據方面的挖掘還沒有展開。因此，數據挖掘技術在語音數據上的應用是迫切的而且有必要的。本文以經典的Apriori算法作為研究重點，在分析與研究了基于布爾矩陣的Apriori算法基礎上，針對此算法在時間開銷與空間開銷兩方面的不足，提出了一種改進算法一一PMApriori算法。新算法充分利用矩陣的存儲與運算特性，僅掃描數據庫一次，不需要生成候選集，

4、有效地提高算法的運算效率；在算法執(zhí)行過程不斷對存儲矩陣進行修剪壓縮，節(jié)省了內存空間和掃描矩陣的時間。最后，通過算法示例、算法特性分析以及實驗驗證來證明算法具有優(yōu)越的時間特性和空間特性。本文在關聯規(guī)則挖掘算法的應用方面提出了一個創(chuàng)新。針對長虹智能電視數據管理平臺采集的語音數據，設計了一個語音數據庫挖掘程序，用于挖掘長虹語音電視的用戶語音行為關聯規(guī)則。程序采用了本文提出的PMApriori算法，挖掘出了滿足設定閾值的關聯規(guī)則，并對挖掘結果做