Apriori算法的改進(jìn)及應(yīng)用.pdf

1、近十幾年來(lái)，人們利用信息技術(shù)生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高，數(shù)據(jù)資料的規(guī)模急速膨脹。于是，人們希望有新一代的技術(shù)和工具能夠智能地自動(dòng)地幫助人們分析已經(jīng)消耗大量財(cái)力和物力所收集與整理的海量數(shù)據(jù)，以發(fā)現(xiàn)有用的知識(shí)，達(dá)到為決策服務(wù)的目的。因此，面對(duì)“人們被數(shù)據(jù)淹沒(méi)，人們卻饑餓于知識(shí)”的挑戰(zhàn)，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，并得以蓬勃發(fā)展。 數(shù)據(jù)挖掘是當(dāng)今人工智能和數(shù)據(jù)庫(kù)研究方面最富活力的領(lǐng)域。數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的知識(shí)的過(guò)

2、程。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的主要研究?jī)?nèi)容。而頻繁項(xiàng)目集的發(fā)現(xiàn)是關(guān)聯(lián)規(guī)則挖掘的核心問(wèn)題。 本文重點(diǎn)研究了頻繁項(xiàng)目集的發(fā)現(xiàn)算法及關(guān)聯(lián)規(guī)則挖掘的應(yīng)用，主要工作包括以下幾個(gè)方面： 1、研究了數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則挖掘的步驟。對(duì)經(jīng)典的Apriori算法和 Apriori_Tid 算法做了全面的分析，指出了關(guān)聯(lián)規(guī)則挖掘中的關(guān)鍵步驟和頻繁項(xiàng)目集算法的不足。 2、針對(duì)Apriori算法的不足，提出了一種高效的頻繁項(xiàng)目集的發(fā)現(xiàn)算法

3、ZS_Apriori.該算法在計(jì)算支持度計(jì)數(shù)時(shí)，只掃描一遍事務(wù)數(shù)據(jù)庫(kù)，減少了事務(wù)數(shù)據(jù)庫(kù)的掃描次數(shù)；在求k-候選項(xiàng)目集 C<,k>前，先判斷k-1頻繁集L<,k-1>中的項(xiàng)目個(gè)數(shù)是否小于k，若小于k，則Ck=φ，此時(shí)不再需要進(jìn)行連接操作來(lái)計(jì)算C<,k>，尤其當(dāng) k 值很大時(shí)，可以節(jié)省大量的計(jì)算時(shí)間；根據(jù)頻繁項(xiàng)目集的性質(zhì)，在計(jì)算候選項(xiàng)目集時(shí)，減少了候選項(xiàng)目集的數(shù)量。 3、將關(guān)聯(lián)規(guī)則挖掘應(yīng)用到高校教學(xué)質(zhì)量評(píng)價(jià)中。從教學(xué)評(píng)價(jià)數(shù)據(jù)中挖掘關(guān)