關聯(lián)規(guī)則挖掘算法研究及在科技管理信息系統(tǒng)的應用.pdf

1、本文首先介紹數(shù)據(jù)挖掘的功能和數(shù)據(jù)挖掘中所涉及到的常用算法，重點研究了關聯(lián)規(guī)則中的FP-growth算法，并用實驗方法對FP-grOWth算法和Apriori算法做了比較。并對FP-growth算法進行了分析，提出了基于以下三點的算法改進： 1．將雙向的FP-樹改成單向，以簡化數(shù)據(jù)結(jié)構。 2．采用改變結(jié)點數(shù)據(jù)結(jié)構的方法，避免了條件FP-樹生成，提高了計算速度。 3．在算法流程方面，使用循環(huán)替代遞歸，提高執(zhí)行速度，降

2、低了內(nèi)存開銷。通過對時間和空間性能的分析和實驗的證明，改進的FP-growth算法性能得到提高。 在實現(xiàn)某高校科技管理系統(tǒng)的系統(tǒng)設計和數(shù)據(jù)庫設計的基礎上，將數(shù)據(jù)挖掘中的關聯(lián)規(guī)則挖掘算法應用科技管理信息系統(tǒng)。經(jīng)過對關聯(lián)規(guī)則算法的研究和改進，采用了關聯(lián)規(guī)則中的改進的FP-growth算法對經(jīng)過數(shù)據(jù)預處理的數(shù)據(jù)倉庫中六張表進行了挖掘，并分析了挖掘結(jié)果，提出了高校應當加強國家級項目的申請，加強30-40歲的青年學者的科研能力等建議。