后件為數(shù)值型屬性的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)策略研究.pdf

1、在數(shù)據(jù)挖掘領(lǐng)域中，關(guān)聯(lián)規(guī)則是一種非常重要的技術(shù)。Apriori算法是其最經(jīng)典的算法之一。關(guān)聯(lián)規(guī)則從布爾型屬性開始研究，發(fā)展到名稱型屬性。目前，數(shù)值型屬性的關(guān)聯(lián)規(guī)則已經(jīng)成為該領(lǐng)域的研究熱點(diǎn)之一。 本文首先介紹名稱型關(guān)聯(lián)規(guī)則的概念、評(píng)價(jià)標(biāo)準(zhǔn)及相關(guān)技術(shù)，數(shù)值型關(guān)聯(lián)規(guī)則的概念及相關(guān)技術(shù)，以及目前較為普遍的等深、等寬、聚類離散化方法，并對(duì)這三種離散化方法進(jìn)行了分析比較，為動(dòng)態(tài)離散化方法奠定基礎(chǔ)。其次，重點(diǎn)介紹了Weka中的Apriori算

2、法及K均值算法，為算法的實(shí)驗(yàn)做準(zhǔn)備。本文研究的對(duì)象是后件數(shù)值型屬性的關(guān)聯(lián)規(guī)則，針對(duì)這種的關(guān)聯(lián)規(guī)則提出從兩個(gè)方向進(jìn)行挖掘：由前件到后件和由后件到前件。由前向后的方法（ARClusterer）采用Apriori算法中挖掘頻繁項(xiàng)集的方法先挖掘出規(guī)則前件，再根據(jù)最小支持度原則與聚類算法進(jìn)行動(dòng)態(tài)結(jié)合，挖掘規(guī)則后件。由后向前方法（Ahead）先分別采用三種離散化方法對(duì)術(shù)屬性進(jìn)行離散，并依據(jù)支持度對(duì)離散后的區(qū)間進(jìn)行動(dòng)態(tài)合并，從而挖掘出規(guī)則的后件，再到