改進的關聯(lián)規(guī)則算法在貼片機數(shù)據(jù)挖掘中的應用.pdf

1、關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領域的重要研究方向。關聯(lián)規(guī)則反映的是數(shù)據(jù)之間一種內(nèi)在的關聯(lián)關系。發(fā)現(xiàn)數(shù)據(jù)間的這種內(nèi)在聯(lián)系,有利于決策者利用這些規(guī)則做出正確和合理的決策。 本課題數(shù)據(jù)來源于貼片機的生產(chǎn)日志數(shù)據(jù)。在這些日志數(shù)據(jù)中,發(fā)現(xiàn)生產(chǎn)錯誤率超過了一定標準。這就需要對數(shù)據(jù)進行分析和數(shù)據(jù)挖掘,找出機器發(fā)生故障的可能原因,從而提高機器設備的質(zhì)量控制水平。經(jīng)過前期的數(shù)據(jù)理解和數(shù)據(jù)分析,認為關聯(lián)規(guī)則是一種較適宜利用的數(shù)據(jù)挖掘方法。 在嘗試應

2、用一般關聯(lián)規(guī)則方法時,遇到的問題在于：找出滿足最小支持度和最小置信度要求的全部關聯(lián)規(guī)則,會產(chǎn)生大量的規(guī)則,可逾萬條之多,這對于挑選感興趣的規(guī)則極為不便,算法運行時間也較長。而經(jīng)分析后發(fā)現(xiàn),有不少規(guī)則反映的數(shù)據(jù)項之間的關系沒有實際意義,這就需要去除無意義規(guī)則的干擾,減少生成規(guī)則的數(shù)目,來更有效地得到對實際應用有價值的規(guī)則。 本文受分類關聯(lián)規(guī)則方法的啟示,發(fā)現(xiàn)生成指定某決策屬性為規(guī)則后件的規(guī)則,而不是生成全部關聯(lián)規(guī)則,是一個簡潔可行

3、的方法,避免了一般關聯(lián)規(guī)則試圖生成所有規(guī)則的盲目性。此時,一條頻繁項目集只可能產(chǎn)生一條規(guī)則,規(guī)則數(shù)量大為減少,規(guī)則的意義明確。 在此基礎上,本文主要完成了以下工作： 1.在定義決策屬性和條件屬性的基礎上,提出了基于決策屬性的關聯(lián)規(guī)則數(shù)據(jù)挖掘新方法。這一方法的基本思路是將決策屬性和條件屬性約束,延伸到頻繁項目集的生成中,而不是在生成規(guī)則時進行后約束。 2.給出了上述新方法的具體實現(xiàn)。分別對不受條件屬性約束和受條件屬

4、性約束的情況進行了討論,分別提出了相應的改進算法。實現(xiàn)的主要思路是分步獲得頻繁集,而不是一次性得到所有頻繁集,后一步驟的頻繁集生成利用前一步驟的頻繁集結果,這樣來達到減小頻繁集生成的目的。 3.對貼片機日志數(shù)據(jù)進行預處理,進行多表連接,獲得更有可能存在出錯規(guī)則的數(shù)據(jù)集,并應用提出的關聯(lián)規(guī)則數(shù)據(jù)挖掘新方法,分析算法的性能和挖掘規(guī)則的效果。結果表明這樣更容易得到感興趣的規(guī)則,并減少頻繁集生成,減少挖掘算法運行時間。 4.討論