多維關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘研究及其在學(xué)生信息系統(tǒng)中的應(yīng)用.pdf

1、該文通過(guò)在學(xué)生信息管理系統(tǒng)中的具體實(shí)踐和運(yùn)用,對(duì)多維關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)進(jìn)行了探索,實(shí)現(xiàn)了基于多維頻繁項(xiàng)集進(jìn)行多維關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘的一種實(shí)用高效的方法,并建立了一個(gè)高效的學(xué)生信息關(guān)聯(lián)規(guī)則挖掘系統(tǒng).對(duì)于群體的特征與行為的數(shù)據(jù)挖掘是關(guān)聯(lián)規(guī)則挖掘的一種重要的也是復(fù)雜的挖掘方向.例如在學(xué)生系統(tǒng)中的學(xué)生個(gè)體自然信息與他們的選課行為傾向之間的關(guān)聯(lián)傾向,商業(yè)領(lǐng)域中的顧客基本信息與購(gòu)買(mǎi)傾向也屬于這類(lèi)情況.許多通用的數(shù)據(jù)挖掘工具,基于對(duì)更通用的挖掘需要的

2、考慮,而沒(méi)有能對(duì)上述的挖掘需求給予足夠的滿(mǎn)足.該文中基于多維的頻繁項(xiàng)集的挖掘算法主要分為兩個(gè)步驟.第一步是對(duì)群體特征進(jìn)行維間關(guān)聯(lián)規(guī)則挖掘,該文中借助數(shù)據(jù)立方體工具實(shí)現(xiàn)這一過(guò)程.第二步是求基于多維的頻繁項(xiàng)集的算法的實(shí)現(xiàn)及關(guān)聯(lián)規(guī)則生成.這時(shí)需要以第一步生成的多維規(guī)則結(jié)果為約束條件,對(duì)群體行為的關(guān)聯(lián)傾向進(jìn)行挖掘.該文中對(duì)基于多維的頻繁項(xiàng)集的算法進(jìn)行了探索和算法優(yōu)化,尤其是通過(guò)采用了維搜索和散列的技術(shù)方法而使得系統(tǒng)的挖掘性能大大提高.同時(shí)通過(guò)在