关联规则的增量式更新和修剪研究

《关联规则的增量式更新和修剪研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学技术大学硕士学位论文关联规则的增量式更新和修剪研究姓名：李铭申请学位级别：硕士专业：计算机应用指导教师：蔡庆生2000.5.1摘要‘在錾塑崖中发现知识(KnowledgeDiscoveryinDatabases，简称KDD)，是当前国际人工智能与数据库研究的热点课题。关联规则的发现是其中的一个重要研究方向∥本文围绕关联规则的增量式更新和关联规则的精简进行了一些研究。主要的研究内容包括：·(1)介绍了关联规则的定义和基本的挖掘算法，以及国际上对关联觇则的主要研究方向。(2)设计了一个关联规则的增量式更新算法FIUA。当挖掘关联规则的支持度和可信

2、度发生变化时，该算法充分利用已发现的规则，根据数掂睡直分布的特点，高效地挖掘关联规则。，、(3)分析了关联规则挖掘过程中存在的“稀有项目问题”，介绍了⋯种新的关联规则的挖掘模型一关联规则的多支持度挖掘。孩模型对不同的项{l采取不同的支持度进行挖掘，不仅可以发现包含稀有项目的规则，同时避免产生过多的规则。r一、(4)结合统计学中的z2检验，对发现的关联规则进行修剪和概括，去除了无意义的、冗余的规则：使用户既可以方便地获知规则的整体概况，又可以有选择地查看有关细节。(5)设计并实现了了一个关联规则的挖掘系统。它通过友好的用户¨导界面，使用户方便、快速地完

3、成关联规则的挖掘任务。(与已有的研究相比，本文的特色在于：(1)设计了一个关联规则的增量式更新算法，并将该算法和直接多次运行apriori算法进行了比较，实验证明该算法的高效性和有效性[3】。(2)对关联规则挖掘中产生的多规则问题，分别从挖掘模式和后处，n两个不同的角度进行了研究，即采用多支持度的挖掘模型和采用统计学中z2检验修剪和概括已发现的规则，并对多支持度的挖掘算法做了改进。(3)实现了一个关联规则的挖掘工具，该工具通过改变调节系数，既可以实现多支持度挖掘，又可以实现单支持度挖掘；并且核心的挖掘算法，利用数据垂直分布的特点，通过数据TID列表的

4、直接连接产生频繁项目集，减少了对数据库的扫描次数(只需两次)。提高了算法的效率。、本项目研究得到国家自然科学基金项目(696'vsol6)项目资助．}}荔捱挖插AbstractAtpresent，KnowledgeDiscoveryinDatabases(KDD)isakeytopicinthefieldsofthenationalArtificialIntelligentandDatabaseresearch．MiningassociationrolesiSanimportantbranchindataminingarea．ThisPa口erfoc

5、asesontheincrementalupdatingandthepruningofdiscoveredassociationrules．Thefollowingisasummaryofthispaper．1)ThisPapel"introducesthedefinitionandthebasealgorithmforminingassociationrules，andreviewsthemainresearchdirectionofit．2)Inthispaper，weputforwardanincrementalupdatingalgorith

6、m(namedF1UA)．WhentheparametersSupportandConfidencechange，algorithmFIUAmakesfulluseofthediscoveredrulesandminesassociationruleswithhighefficiency．31Aimedattheproblemof“rareitem”intheprocedureofminingassociationrules，thispapergivesoutanewmodel～miningassociationruleswithmultiplemi

7、nimumSUPPortswhichallowstheusertospecifyadifferentminimumitemsupportforeachitem．ThisnewmodelenablesUStoachieveourobjectiveofproducingrareitemruleswithoutcausingfrequentitemstogeneratetoomanymeaninglessrules．4)ThispaperproposesallapproachtoprunesandsummaIjzesthediscoveredrulesvi

8、athechi—squaredtestforcorrelationfromclassicalstatisti