關聯(lián)規(guī)則數(shù)據(jù)挖掘方法的研究和應用.pdf

1、隨著信息技術的發(fā)展，數(shù)據(jù)挖掘技術得到了廣泛的關注。在數(shù)據(jù)挖掘技術中有很多研究領域，關聯(lián)規(guī)則數(shù)據(jù)挖掘就是其中一個重要的研究方向，對它進行深入研究不僅有著重要的理論意義，而且有著重要的應用價值。關聯(lián)規(guī)則數(shù)據(jù)挖掘于1993年由Agrawal等人提出，它最初是以分析事務數(shù)據(jù)庫中項與項之間聯(lián)系為目標，后來的研究者們對問題原型進行多方面的改進和擴充。目前，關聯(lián)規(guī)則挖掘技術已經被應用到商業(yè)、電信、金融、農業(yè)、醫(yī)療等領域，并取得了良好的效果。

2、關聯(lián)規(guī)則挖掘算法是關聯(lián)規(guī)則數(shù)據(jù)挖掘研究中的主要內容之一，迄今為止己提出了多種關聯(lián)規(guī)則挖掘算法，其中最著名的是Agrawal提出的Apriori算法。Apriori算法屬于間接挖掘算法，它挖掘的是事務數(shù)據(jù)庫中的全部關聯(lián)規(guī)則，然而在實際應用中，企業(yè)關心的可能是與該公司某一產品或新推出的產品相關的關聯(lián)規(guī)則，因此基于固定目標項目的挖掘具有一定的實用價值。本文在Apriori算法的基礎上提出了一種適合目標項目挖掘的算法IBDF-Miner算法，同

3、時針對Apriori算法的不足之處也作了一些改進，算法以改進的位圖數(shù)據(jù)格式為存儲結構，使得支持度的計算簡單方便，而不再需要反復掃描數(shù)據(jù)庫，并通過對位圖矩陣的相應處理有效縮小了頻繁項目集的生成空間，實驗證明該算法有較好的執(zhí)行效率。 根據(jù)規(guī)則涉及的維數(shù)關聯(lián)規(guī)則可分為兩種：單維關聯(lián)規(guī)則和多維關聯(lián)規(guī)則。由于關系數(shù)據(jù)庫是數(shù)據(jù)挖掘最流行、最豐富的數(shù)據(jù)源，而關系數(shù)據(jù)庫中隱含的關聯(lián)規(guī)則通常具有多維性，因此本文對多維關聯(lián)規(guī)則的挖掘算法進行了一些研

4、究。傳統(tǒng)的多維關聯(lián)規(guī)則挖掘方法是將分類屬性和量化屬性進行離散化處理后采用成功的單維布爾關聯(lián)規(guī)則挖掘算法進行挖掘，本文嘗試直接對多維數(shù)據(jù)利用標準SQL語言來進行多維關聯(lián)規(guī)則挖掘，算法的核心是利用sQL語言的查詢和多表連接等語句對數(shù)據(jù)庫進行操作，完成頻繁謂詞集和強規(guī)則的搜索過程。 在以上研究的基礎上，本文將多維關聯(lián)規(guī)則具體應用于道路交通事故數(shù)據(jù)挖掘中，從記錄交通事故的數(shù)據(jù)庫中發(fā)現(xiàn)有價值的規(guī)律。針對道路交通事故數(shù)據(jù)特點，本文提出了基于