面向大數(shù)據(jù)的關聯(lián)規(guī)則算法研究.pdf

1、關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘課題的一個不可或缺的研究分支，可以為用戶深究出更有價值的數(shù)據(jù)信息。隨著科學技術中數(shù)據(jù)庫作用的不斷凸顯，對數(shù)據(jù)采集的速度及存儲容量的需求日漸變大，傳統(tǒng)的關聯(lián)規(guī)則挖掘算法在某些性能方面已逐漸沒有辦法適應大數(shù)據(jù)的關聯(lián)規(guī)則，因此需要提出性能更優(yōu)、更高效的挖掘算法。
　　本文首先對大數(shù)據(jù)關聯(lián)規(guī)則挖掘算法現(xiàn)有的研究動態(tài)、研究現(xiàn)狀和未來可能的發(fā)展趨勢進行了分析論述。
　　其次，深入剖析了關聯(lián)規(guī)則挖掘算法中比較經(jīng)典的A

2、priori算法，分析了該算法在算法的使用過程當中的問題，并引出了兩種改良的算法AprioriHybrid和AprioriTid，改良的算法在時間和空間效率上有較大的進步和提升，因此更適合于大數(shù)據(jù)的關聯(lián)規(guī)則挖掘。在此基礎上研究了基于Apriori算法的改進算法AprioriTid和AprioriHybrid，通過實驗結果分析表明，AprioriHybrid算法在性能方面較優(yōu)。
　　然后，針對大多數(shù)關聯(lián)規(guī)則算法研究應用過程當中的主要

3、衡量標準，是否被經(jīng)常使用或者是否被多種情況兼容(如頻繁項集挖掘)，或者是價值性或可盈利性(如高效用項集挖掘)，對提出的Apriori算法及其改良的關聯(lián)規(guī)則算法從數(shù)據(jù)集中找出頻繁項集，并對其使用過程當中的有效性及功能性展開了更深層次的剖析研究，得出關聯(lián)規(guī)則算法在處理大數(shù)據(jù)時的效果明顯優(yōu)于其它算法，并保持算法的準確性。本論文結合和了以上考量準則作為研究對象，對FHIMA算法進行了全面的分析，研究其在PDMiner上的使用，對大數(shù)據(jù)挖掘算法在