基于粒計算與完全圖的關聯(lián)規(guī)則算法研究.pdf

1、數(shù)據(jù)挖掘作為一門新興的交叉學科，其主要任務是面對龐大的應用數(shù)據(jù)庫，研究并探索有效的信息提取方法，從海量信息庫中提煉隱藏的有用信息。 本文在分析傳統(tǒng)關聯(lián)規(guī)則算法的基礎上，發(fā)現(xiàn)大多算法產生頻繁項集時需要先產生候選項集，并且需要多次遍歷整個數(shù)據(jù)庫進行模式匹配。為了提高算法的運行效率，本文利用粒計算計算代價小的特點，用粒計算代替?zhèn)鹘y(tǒng)的模式匹配；同時，為了避免對整個數(shù)據(jù)庫進行掃描，提出利用完全圖劃分挖掘區(qū)域的方法，只在可能產生頻繁項集的范

2、圍內進行挖掘。 主要研究內容如下： 1、GRC_G算法?？偨Y學習他人經驗，對粒計算理論進行分析，把粒計算引入到關聯(lián)規(guī)則挖掘中，提出了二進制粒和完全組合粒的概念；提出一種利用完全圖縮減挖掘區(qū)域的方法。最后，給出該算法，并通過仿真實驗證明了該算法具有較好的性能。 2、T_GRC_G算法。分析常見的實際數(shù)據(jù)庫中記錄信息的多種屬性特征可知，其中所蘊含的某些屬性間的關聯(lián)規(guī)則往往是遵循一定的規(guī)律成對共存，然而進行簡單的頻繁項

3、集挖掘不能有效地發(fā)現(xiàn)這些規(guī)則。因此對GRC_G算法進行改進，并提出了挖掘雙向關聯(lián)規(guī)則的算法T_GRC_G。建立強雙向關聯(lián)規(guī)則和強弱雙向關聯(lián)規(guī)則的概念；為減少冗余規(guī)則的產生，提出一種刪除冗余規(guī)則的方法。給出該算法，并通過仿真實驗證明該算法能夠有效地減少冗余規(guī)則的產生，并且能夠發(fā)現(xiàn)也許會更有意義的強弱雙向關聯(lián)規(guī)則。 3、MD_GRCG算法。GRC_G算法雖然有效，然而在很多情況下，人們感興趣的知識往往出現(xiàn)在多維空間中。為此，以GRC

4、_G為基礎提出該多維關聯(lián)規(guī)則挖掘算法，通過事務投影的方法挖掘多維頻繁項集，并在此基礎上進行關聯(lián)規(guī)則的產生。給出該算法，并通過仿真實驗證明了該算法能夠有效地發(fā)現(xiàn)多維關聯(lián)規(guī)則，并且時間效率較高。 4、為了更好的證明本文所提出的改進算法的有效性和實用價值，本文在實驗室仿真測試算法性能的同時，選擇中醫(yī)藥方劑數(shù)據(jù)庫進行實際挖掘實驗。實驗結果表明本文的改進算法確實能夠有效地發(fā)現(xiàn)實際應用中的有趣關聯(lián)規(guī)則。目前，中醫(yī)藥領域尚未有引入數(shù)據(jù)挖掘理論