基于布爾矩陣的高價(jià)值度關(guān)聯(lián)規(guī)則挖掘研究.pdf

1、暨南大學(xué)碩士學(xué)位論文題名：基于布爾基于布爾矩陣的高矩陣的高價(jià)值度關(guān)聯(lián)規(guī)則挖掘研究價(jià)值度關(guān)聯(lián)規(guī)則挖掘研究TheHighValueMeasureAssociationRulesMiningBasedonBooleanMatrix作者姓名：指導(dǎo)教師姓名：及學(xué)位、職稱：學(xué)科、專業(yè)名稱：論文提交日期：論文答辯日期：答辯委員會主席：論文評閱人：學(xué)位授予單位和日期：暨南大學(xué)碩士學(xué)位論文I摘要摘要隨著經(jīng)濟(jì)社會的快速發(fā)展，日?；顒又袛?shù)據(jù)存儲的規(guī)模增長迅速

2、，就如何對規(guī)模巨大的數(shù)據(jù)進(jìn)行有效的利用，進(jìn)而發(fā)現(xiàn)能為人類日?；顒觿?chuàng)造知識的需要日益迫切。本文談到的所謂關(guān)聯(lián)規(guī)則挖掘即是發(fā)現(xiàn)數(shù)據(jù)庫中不同對象之間是否存在關(guān)聯(lián)關(guān)系的過程。當(dāng)一項(xiàng)有價(jià)值的關(guān)聯(lián)規(guī)則被發(fā)現(xiàn)時(shí)，它通常能被廣泛運(yùn)用于諸如互聯(lián)網(wǎng)營銷策略、金融安全甚至超市運(yùn)營等眾多方面。然而，現(xiàn)有的數(shù)據(jù)挖掘算法對海量數(shù)據(jù)的分析利用效果卻不盡如人意。如先驗(yàn)算法是依據(jù)統(tǒng)計(jì)學(xué)中的數(shù)據(jù)顯著性，即在支持度置信度體系下進(jìn)行關(guān)聯(lián)規(guī)則挖掘的，過程需要多次訪問數(shù)據(jù)庫，效率

3、較低，同時(shí)忽視了數(shù)據(jù)顯著性不一定體現(xiàn)規(guī)則價(jià)值性這一問題。鑒于關(guān)聯(lián)規(guī)則如此廣泛的應(yīng)用范圍，就如何進(jìn)一步提高關(guān)聯(lián)規(guī)則挖掘算法的效率及價(jià)值性是擺在研究者面前的一個(gè)重要研究課題。本文的研究主要包括以下內(nèi)容：1、本文對傳統(tǒng)的先驗(yàn)算法（Aprii）和頻繁增長算法（FPGrowth）進(jìn)行了簡要的闡述和分析：先驗(yàn)算法的不足在于挖掘關(guān)聯(lián)規(guī)則過程中需要多次訪問數(shù)據(jù)庫，運(yùn)算過程較復(fù)雜，對于計(jì)算機(jī)硬件的消耗較大。而頻繁增長算法的不足在于空間的消耗較大?；趯?/p>

4、種算法的分析，本文提出了基于布爾矩陣的關(guān)聯(lián)規(guī)則挖掘算法，主要用于提高對頻繁項(xiàng)集的挖掘效率。2、本文進(jìn)一步分析了基于支持度置信度挖掘體系的算法，這種算法存在著規(guī)則價(jià)值性不明的缺陷，因而本文引進(jìn)了最小價(jià)值度這一標(biāo)準(zhǔn)補(bǔ)充這一體系。在結(jié)合支持度、置信度和價(jià)值度對關(guān)聯(lián)規(guī)則進(jìn)行挖掘后，將過程與結(jié)果和傳統(tǒng)算法作對比。展現(xiàn)了本文算法在基于“二八定律”，能夠有效挖掘出對特定客戶有特殊價(jià)值的關(guān)聯(lián)規(guī)則的優(yōu)勢。關(guān)鍵詞：關(guān)聯(lián)規(guī)則；價(jià)值度；布爾矩陣；平均利潤矩陣關(guān)