關(guān)于強(qiáng)關(guān)聯(lián)規(guī)則挖掘與相關(guān)應(yīng)用研究.pdf

1、為了對(duì)超級(jí)市場(chǎng)的購(gòu)物籃進(jìn)行分析，R．Agrawal等人于1993年首先開(kāi)創(chuàng)性的提出了關(guān)聯(lián)規(guī)則（Association Rules）挖掘理論，并建立了支持度—可信度框架。在近十幾年的時(shí)間里，該理論已經(jīng)成為數(shù)據(jù)挖掘（Data Mining）研究領(lǐng)域中的一個(gè)重要課題，吸引了很多學(xué)者和專家的關(guān)注，并得到了實(shí)際應(yīng)用。但是，支持度—可信度理論目前還存在一個(gè)規(guī)則冗余問(wèn)題，即：結(jié)果集在很多時(shí)候會(huì)抽取許多無(wú)趣模式和產(chǎn)生大量的冗余規(guī)則。 為了解決這

2、個(gè)問(wèn)題，本文首次通過(guò)采用懲罰函數(shù)等方法設(shè)置支持度閾值，從而有效的解決了規(guī)則冗余問(wèn)題。在遺傳算法方面，本文探討了其算法的基本原理以及TSP的求解，并采用了一種新穎的素因子染色體編碼方法和引入了最大頻繁項(xiàng)分布表。該編碼方法把原來(lái)用字符表示的事務(wù)轉(zhuǎn)化為用一個(gè)整數(shù)進(jìn)行表示，從而把字符串運(yùn)算轉(zhuǎn)化為數(shù)值運(yùn)算，把事務(wù)數(shù)據(jù)庫(kù)屬性項(xiàng)壓縮為一個(gè)數(shù)值型的項(xiàng)。通過(guò)引入最大頻繁項(xiàng)分布表，使算法總能是在最大頻繁項(xiàng)密集區(qū)進(jìn)行挖掘，從而對(duì)組合搜索空間進(jìn)行了有效修剪。