面向分類預(yù)測(cè)的增量關(guān)聯(lián)規(guī)則應(yīng)用研究.pdf

1、數(shù)據(jù)庫(kù)技術(shù)以及計(jì)算機(jī)硬件技術(shù)的飛速發(fā)展使得搜集更多有用的數(shù)據(jù)成為可能。然而，大量的數(shù)據(jù)在一定程度上為描述特征、制定決策帶來(lái)便利的同時(shí)，也將數(shù)據(jù)的處理者帶入了“數(shù)據(jù)豐富，但知識(shí)貧乏”的窘境當(dāng)中。為了打破這一窘境，高效處理數(shù)據(jù)、發(fā)掘潛在有用信息，數(shù)據(jù)挖掘技術(shù)在20世紀(jì)80年代應(yīng)運(yùn)而生，并得到了飛速發(fā)展。
　　 在數(shù)據(jù)挖掘的眾多分支中，關(guān)聯(lián)規(guī)則挖掘和分類的應(yīng)用研究又是兩個(gè)具有高活躍度的重要領(lǐng)域。由于它們都有挖掘相關(guān)性強(qiáng)的項(xiàng)目集的顯著共

2、性，將關(guān)聯(lián)規(guī)則挖掘用于解決數(shù)據(jù)挖掘中的分類應(yīng)用的研究工作也就逐步展開(kāi)并深入了。研究發(fā)現(xiàn)，由于關(guān)聯(lián)規(guī)則挖掘方法可以同時(shí)考慮多個(gè)屬性之間的高置信度關(guān)聯(lián)，將它用于分類應(yīng)用往往可以獲得比當(dāng)前最為常用的決策樹(shù)方法更高的準(zhǔn)確率。
　　 本文在對(duì)國(guó)內(nèi)外將關(guān)聯(lián)規(guī)則用于分類應(yīng)用的研究現(xiàn)狀進(jìn)行簡(jiǎn)要分析的基礎(chǔ)上，首先介紹了數(shù)據(jù)挖掘的產(chǎn)生、基本概念、過(guò)程以及功能等。其中，又著重對(duì)關(guān)聯(lián)規(guī)則挖掘進(jìn)行了概述，包括其定義、經(jīng)典算法，以及增量關(guān)聯(lián)規(guī)則的更新等。隨

3、后，在第三章論證了提出面向分類預(yù)測(cè)的增量關(guān)聯(lián)規(guī)則更新應(yīng)用研究的必要性。在此基礎(chǔ)上，提出了最小支持度閾值(minsup)和最小置信度閾值(minconf)發(fā)生改變時(shí)高效更新分類預(yù)測(cè)關(guān)聯(lián)規(guī)則的一個(gè)改進(jìn)算法，然后以此改進(jìn)算法為基礎(chǔ)，進(jìn)一步提出了當(dāng)目標(biāo)數(shù)據(jù)集中數(shù)據(jù)增加或者減少時(shí)高效更新分類預(yù)測(cè)關(guān)聯(lián)規(guī)則的兩個(gè)新算法。論文對(duì)三個(gè)算法的算法基礎(chǔ)、算法描述，以及算法有效性實(shí)驗(yàn)和結(jié)果分析分別進(jìn)行了闡述。
　　 在第四章中，以UCI數(shù)據(jù)集中的Ger