基于有向項(xiàng)集圖的關(guān)聯(lián)規(guī)則挖掘算法研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘(Data Mining,簡(jiǎn)稱DM)也叫數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Databases,簡(jiǎn)稱KDD),是指從大型的數(shù)據(jù)庫(kù)中發(fā)現(xiàn)潛在的、新穎的、有價(jià)值的、可用的、能被用戶理解的模式和信息的過(guò)程.關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一個(gè)重要的研究領(lǐng)域,主要是發(fā)現(xiàn)數(shù)據(jù)庫(kù)中屬性之間的關(guān)聯(lián)關(guān)系.該文在廣泛查閱國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上,針對(duì)關(guān)聯(lián)規(guī)則挖掘算法的若干問(wèn)題進(jìn)行了深入地研究和分析,論文取得的主要成果和創(chuàng)新點(diǎn)如下:

2、1、針對(duì)目前關(guān)聯(lián)規(guī)則挖掘研究缺乏理論基礎(chǔ)的問(wèn)題,將數(shù)學(xué)中的格論和形式概念分析等理論引入關(guān)聯(lián)規(guī)則挖掘研究中,有效地描述了關(guān)聯(lián)規(guī)則挖掘的問(wèn)題空間,并提出了基于形式概念分析理論的關(guān)聯(lián)規(guī)則挖掘的一系列定義和性質(zhì).2、針對(duì)傳統(tǒng)的頻繁項(xiàng)集挖掘方法中存在的生成大量候選集、多次遍歷數(shù)據(jù)庫(kù)計(jì)算項(xiàng)集支持度等問(wèn)題,該文以圖論為基礎(chǔ)提出了基于有向項(xiàng)集圖的頻繁項(xiàng)集挖掘算法.算法將原始數(shù)據(jù)庫(kù)中的信息保存在有向項(xiàng)集圖中,將數(shù)據(jù)庫(kù)中的頻繁項(xiàng)集發(fā)現(xiàn)問(wèn)題轉(zhuǎn)化為有向項(xiàng)集圖中

3、的搜索問(wèn)題并保證了問(wèn)題解的完整性.3、該文針對(duì)數(shù)據(jù)庫(kù)中的最大頻繁項(xiàng)集挖掘問(wèn)題進(jìn)行了分析和研究,該文提出了基于有向項(xiàng)集圖的最大頻繁項(xiàng)集挖掘算法.算法利用深度優(yōu)先的搜索方法,通過(guò)計(jì)算候選項(xiàng)集的頻繁擴(kuò)展集可以有效地約減問(wèn)題的搜索空間,提高了算法的效率.4、該文針對(duì)數(shù)據(jù)庫(kù)中的頻繁閉項(xiàng)集挖掘問(wèn)題進(jìn)行了分析和研究,提出了基于有向項(xiàng)集圖的頻繁閉項(xiàng)集挖掘算法.算法利用深度優(yōu)先的搜索方法,利用頻繁閉種子集的性質(zhì)對(duì)搜索空間進(jìn)行剪枝,可以有效地生成所有的頻繁