基于命題邏輯的關聯規(guī)則挖掘研究及應用.pdf

1、關聯規(guī)則挖掘是數據挖掘中一個重要的課題，在眾多領域得到了廣泛的應用。關聯規(guī)則是大量數據集中數據之間存在的潛在的關系。
　　在對關聯規(guī)則進行挖掘時，主要分兩步進行：第一步，通過設置一個最小支持度閾值，發(fā)現頻繁項集；第二步，通過設置的最小置信度找出滿足條件的規(guī)則。這類算法存在一些問題，一方面在支持度的設置上，需要大量的經驗領域知識或者不斷的嘗試探索；另一方面，所挖掘到的結果集龐大，用戶難以理解這些結果。
　　本文在對大量關聯規(guī)則

2、挖掘算法進行研究分析的基礎上，針對算法以及應用過程中存在的一些問題，將命題邏輯的思想融合到經典的關聯規(guī)則算法中，并且將算法應用在入侵檢測中，同時設計實現了研究過程中所需要的簡單的工具軟件。本文的具體工作如下：
　　1.描述分析了三種經典關聯規(guī)則挖掘算法：Apriori算法、FP-growth算法和Eclat算法。將命題邏輯融合到Apriori算法和Eclat算法中，設計出了兩種融合邏輯思想的算法：L-Apriori算法和L-Ecl

3、at算法。將其和經典關聯規(guī)則挖掘算法進行了對比實驗，實驗結果表明，基于命題邏輯的關聯規(guī)則挖掘算法壓縮了挖掘的規(guī)則集，并且使得關聯規(guī)則結果集得到優(yōu)化，可信度增加，減小了算法的時間消耗。在規(guī)則挖掘的過程中，即使設置非常小的支持度，也能夠挖掘到高質量的規(guī)則，這樣，在一定程度上解決了關聯規(guī)則挖掘過程中支持度設置問題。
　　2.描述了入侵檢測技術，研究了關聯規(guī)則挖掘算法在入侵檢測系統(tǒng)中的應用，針對入侵檢測中建立規(guī)則庫時出現的一些問題，將基于

4、命題邏輯的關聯規(guī)則挖掘算法應用到入侵檢測中，并和經典的關聯規(guī)則挖掘算法進行了對比實驗，實驗結果表明，基于命題邏輯的關聯規(guī)則挖掘算法應用到入侵檢測過程中，能夠提高所挖掘到的規(guī)則的可信度，提高挖掘規(guī)則的時間效率，從而提高了檢測速度。
　　3.設計和實現了研究過程中所需要的一個簡單的工具軟件，該軟件是基于Web并且使用JSP等相關技術開發(fā)完成。主要實現了三大部分功能：折線圖繪制，能夠將實驗結果繪制成折線圖，方便實驗結果的對比和展示；規(guī)則