面向零售數(shù)據(jù)的關(guān)聯(lián)規(guī)則挖掘算法的研究與應(yīng)用.pdf

1、目前國(guó)內(nèi)外對(duì)關(guān)聯(lián)規(guī)則算法的研究主要集中頻繁項(xiàng)集的挖掘和規(guī)則的裁剪優(yōu)化兩個(gè)方向，研究成果頗多，但是針對(duì)零售數(shù)據(jù)目前還沒(méi)有一個(gè)普遍認(rèn)為最合適的算法。另外，根據(jù)零售業(yè)管理人員的信息反饋，目前零售數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘存在的主要問(wèn)題是：挖掘出的關(guān)聯(lián)規(guī)則太多、系統(tǒng)運(yùn)行速度比較慢、實(shí)用性不強(qiáng)。本文針對(duì)零售數(shù)據(jù)的特點(diǎn)，在算法的挖掘效率和挖掘質(zhì)量?jī)蓚€(gè)方面的進(jìn)行了深入的研究，通過(guò)分析零售數(shù)據(jù)庫(kù)找出顧客的購(gòu)買(mǎi)習(xí)慣，并解釋挖掘結(jié)果，對(duì)促進(jìn)將關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)應(yīng)用

2、到零售業(yè)中積累了相當(dāng)?shù)慕?jīng)驗(yàn)，對(duì)于其他領(lǐng)域的數(shù)據(jù)挖掘應(yīng)用也有一定的借鑒價(jià)值。 本文在頻繁項(xiàng)集挖掘方面，首先詳細(xì)闡述了關(guān)聯(lián)規(guī)則經(jīng)典算法Apriori算法和FP—growth算法，然后通過(guò)分析零售企業(yè)的商品結(jié)構(gòu)、銷(xiāo)售策略以及銷(xiāo)售方式，得出零售數(shù)據(jù)的特點(diǎn)。針對(duì)零售數(shù)據(jù)的特點(diǎn)我們提出了基于多最小支持度的MSApriori算法和CFP—growth算法，采用VC++對(duì)上述算法的性能進(jìn)行驗(yàn)證分析和比較，實(shí)驗(yàn)顯示CFP—growth算法的性能穩(wěn)

3、定，而且能夠有效的控制算法挖掘的時(shí)間，在實(shí)際挖掘過(guò)程中，取得了很好的挖掘效果。 本文在關(guān)聯(lián)規(guī)則度量方面，首先闡述了傳統(tǒng)的支持度—置信度體系，然后針對(duì)多最小支持度算法產(chǎn)生龐大的規(guī)則集問(wèn)題，引入了興趣度的概念，提出了基于距離的興趣度關(guān)聯(lián)規(guī)則算法，給出了算法的原理和步驟，實(shí)驗(yàn)證實(shí)該算法在實(shí)際挖掘過(guò)程中，取得了良好的效果。 本文最后把以上的研究成果應(yīng)用到濰坊某零售集團(tuán)股份有限公司的商業(yè)智能系統(tǒng)BISYS中數(shù)據(jù)挖掘的研究中，對(duì)該超