基于時間戳的關聯規(guī)則挖掘研究.pdf

1、隨著信息技術的飛速發(fā)展，需要處理的數據量也與日俱增，怎樣將有價值的信息從眾多的數據中提取出來是目前很多行業(yè)亟待解決的問題。數據挖掘是從人們事先不知道的、隨機的數據中提取隱含在其中的、模糊的、大量的、有噪聲的、不完全的、但是卻具有潛在價值的信息和知識的過程。這門學科已經形成體系，開始在日常生活中發(fā)揮出巨大的作用。
　　在數據挖掘中，關聯規(guī)則是一個重要的研究方向。本文對數據挖掘技術和關聯規(guī)則挖掘進行了系統的分析和研究，并提出了一個基于

2、時間戳矩陣的關聯規(guī)則挖掘算法。
　　本文的工作主要在以下幾個方面:
　　(1)簡要概述了數據挖掘技術，然后對關聯規(guī)則的定義、分類、挖掘方法、挖掘步驟等相關理論作了詳細介紹。
　　(2)詳細分析了Apriori算法的優(yōu)缺點，對Apriori算法做了詳盡的闡述，并通過具體例子詳細介紹了Apriori算法的一個改進算法，并通過實驗證明了改進算法在挖掘效率上優(yōu)于Apriori算法。
　　(3)闡述了基于時間戳的關聯規(guī)則挖

3、掘的基本理論和算法，改進了支持度的計算方式，提高了目標項集支持度的值，并通過把時間戳和矩陣結合起來，提出了基于時間戳矩陣的關聯規(guī)則挖掘算法。該改進算法的創(chuàng)新之處在于通過把時間戳和矩陣結合起來，并且引入權值，縮小了事務矩陣的規(guī)模，也解決了傳統挖掘有些感興趣的目標項集支持度低的問題。通過實例分析，基于時間戳矩陣的關聯規(guī)則挖掘算法(BTMA)能夠挖掘出基于矩陣的Apriori算法無法挖掘出的頻繁項集，仿真實驗結果表明該算法在效率上優(yōu)于基于矩陣