一種加權(quán)關(guān)聯(lián)規(guī)則模型及挖掘算法研究.pdf

1、隨著信息產(chǎn)業(yè)化的快速發(fā)展，數(shù)據(jù)的產(chǎn)生與收集能力迅速提高。存儲數(shù)據(jù)的爆炸性增長業(yè)已激起對新技術(shù)和自動化工具的需求，以便幫助用戶將海量的數(shù)據(jù)轉(zhuǎn)變成有用的信息和知識。數(shù)據(jù)挖掘正是在這個背景下應(yīng)運(yùn)而生的新學(xué)科、新技術(shù)。數(shù)據(jù)挖掘又稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn)，就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在的有用信息和知識的過程。 數(shù)據(jù)挖掘有很多研究熱點，其中關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域研究的

2、一個重要問題。為了解決現(xiàn)實數(shù)據(jù)庫中每個項目的重要性差異和分配不均勻性，本文重點討論了加權(quán)關(guān)聯(lián)規(guī)則挖掘算法。本文研究的主要內(nèi)容包括以下幾個部分： 1．簡要介紹了數(shù)據(jù)挖掘的發(fā)展概況和基本概念，分析了數(shù)據(jù)挖掘面臨的主要問題及今后的研究與發(fā)展方向。 2．討論了布爾關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法——Apriori算法和改進(jìn)的頻繁項集挖掘算法——FP-growth算法。 3．深入分析了著名的加權(quán)關(guān)聯(lián)規(guī)則挖掘算法——MINWAL(O)