基于多最小支持度的關(guān)聯(lián)規(guī)則挖掘研究.pdf

1、隨著社會(huì)的發(fā)展和進(jìn)步，數(shù)據(jù)庫(kù)中的數(shù)據(jù)量越來(lái)越大。如何從海量的數(shù)據(jù)中找到自己所需要的規(guī)則已經(jīng)成為了人們不得不面對(duì)的問(wèn)題。在大量的數(shù)據(jù)里挖掘所需要的規(guī)則是非常繁瑣的，一方面由于在現(xiàn)實(shí)社會(huì)中，得到的數(shù)據(jù)往往是缺失部分值的，這對(duì)于規(guī)則的挖掘非常不利，另一方面，數(shù)據(jù)庫(kù)中的條件屬性有些對(duì)于決策的得出是不必要的，不需要進(jìn)行考慮的，多余屬性的存在一定程度上使規(guī)則的挖掘更加麻煩。同時(shí)，目前針對(duì)關(guān)聯(lián)規(guī)則的挖掘大部分使用的是單最小支持度，這不利于實(shí)際的應(yīng)用。

2、針對(duì)上述存在的問(wèn)題，本文將粗糙集理論中的不完備信息系統(tǒng)完備化、屬性約簡(jiǎn)與關(guān)聯(lián)規(guī)則挖掘相結(jié)合，進(jìn)行了基于多最小支持度的關(guān)聯(lián)規(guī)則挖掘研究。主要研究?jī)?nèi)容如下:
　　1.簡(jiǎn)單介紹了粗糙集與關(guān)聯(lián)規(guī)則的相關(guān)理論，以及關(guān)聯(lián)規(guī)則挖掘問(wèn)題的國(guó)內(nèi)外研究現(xiàn)狀，并對(duì)其進(jìn)行了相應(yīng)研究。
　　2.在原Apriori算法的基礎(chǔ)上結(jié)合黃金比例進(jìn)行改進(jìn)，得出基于黃金比例的關(guān)聯(lián)規(guī)則挖掘算法。改進(jìn)算法解決了最小支持度過(guò)于單一的問(wèn)題，通過(guò)仿真實(shí)驗(yàn)證明該算法可以有效

3、提高挖掘關(guān)聯(lián)規(guī)則的效率。
　　3.針對(duì)不完備信息系統(tǒng)中關(guān)聯(lián)規(guī)則的挖掘，本文對(duì)相關(guān)的傳統(tǒng)算法進(jìn)行了改進(jìn)。首先，從不完備信息系統(tǒng)中對(duì)完備的數(shù)據(jù)進(jìn)行抽樣，設(shè)定較高的支持度閾值后，運(yùn)用基于黃金比例的關(guān)聯(lián)規(guī)則挖掘算法對(duì)抽樣后的數(shù)據(jù)進(jìn)行挖掘，得出其中的頻繁項(xiàng)集。之后，借助頻繁項(xiàng)集按照一定的規(guī)則對(duì)不完備數(shù)據(jù)進(jìn)行完備化與屬性約簡(jiǎn)，得到新的信息系統(tǒng)。最后，通過(guò)改良算法對(duì)新的信息系統(tǒng)進(jìn)行挖掘，得出不完備信息系統(tǒng)中的關(guān)聯(lián)規(guī)則。
　　仿真實(shí)驗(yàn)分析表