基于聚類和壓縮矩陣的Apriori算法的研究與應(yīng)用.pdf

1、自從20世紀(jì)80年代后期數(shù)據(jù)挖掘理論出現(xiàn)以來,數(shù)據(jù)挖掘技術(shù)有了突飛猛進(jìn)的發(fā)展。隨著數(shù)據(jù)量大量增加,數(shù)據(jù)挖掘技術(shù)變得越來越重要,從而引起了眾多研究人員的興趣,數(shù)據(jù)挖掘迅速擴(kuò)展到各個領(lǐng)域。數(shù)據(jù)挖掘作為一種用于從大規(guī)模數(shù)據(jù)集中提取潛在有用的信息和知識的技術(shù),得到越來越廣泛的研究和應(yīng)用。
　　 關(guān)聯(lián)規(guī)則挖掘是一種重要的數(shù)據(jù)挖掘技術(shù),其主要研究目的就是從大型數(shù)據(jù)集中發(fā)現(xiàn)隱藏的、有趣的、屬性間的規(guī)律,即關(guān)聯(lián)規(guī)則。針對關(guān)聯(lián)規(guī)則經(jīng)典算法Apri

2、ori算法的缺點已有許多學(xué)者做出改進(jìn),本文在已有改進(jìn)算法的基礎(chǔ)上,設(shè)計了一種基于聚類和壓縮矩陣(Cluster&Compression Matrix)的Apriori改進(jìn)算法--CCM-Apriori算法。論文的主要內(nèi)容如下:
　　 (1)對數(shù)據(jù)倉庫和數(shù)據(jù)挖掘技術(shù)進(jìn)行闡述和歸納,重點介紹了聚類分析和關(guān)聯(lián)規(guī)則的基本概念、思想及代表算法,并分析了算法的優(yōu)缺點。
　　 (2)運用聚類分析和布爾向量的關(guān)系運算思想,設(shè)計了一種基于