關聯(lián)規(guī)則挖掘算法的研究及優(yōu)化.pdf

1、為適應信息處理的新需求，數(shù)據(jù)挖掘作為一種新的信息分析技術已經在當前的數(shù)據(jù)倉庫環(huán)境中進入了實用階段。數(shù)據(jù)挖掘，也稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)，是從大量的、有噪聲的、不完全的、模糊的、隨機的數(shù)據(jù)中，提取人們事先不知道的、隱含在其中的、但又是潛在有用的知識和信息的過程，其主要目的是從海量的數(shù)據(jù)中挖掘出對用戶有價值的知識。
　　 關聯(lián)規(guī)則的挖掘是數(shù)據(jù)挖掘領域中一個非常重要的研究方向。一般來說，關聯(lián)規(guī)則的挖掘分為兩步：(1)無遺漏的找出所有頻繁

2、項集：這些頻繁項集的每一個出現(xiàn)的次數(shù)至少與預定義的最小支持度計數(shù)min_support一樣；(2)由頻繁項集生成強關聯(lián)規(guī)則：這些規(guī)則必須滿足最小置信度和最小支持度。關聯(lián)規(guī)則的挖掘算法性能主要是由第1步決定的。
　　 本文在對經典的關聯(lián)規(guī)則挖掘算法Apriori算法研究的基礎上，對算法的優(yōu)缺點進行了分析，針對Apriori算法的第一步連接步中生成的很多候選項集并不是頻繁項集，為了這些項集花費了大量的系統(tǒng)開銷之一缺點，本文提出了一種