学位论文 > 优秀研究生学位论文题录展示

多维关联规则算法设计

作　者: 喻昌祺
导　师: 林齐宁
学　校: 北京邮电大学
专　业: 管理科学与工程
关键词: 数据挖掘关联规则 Apriori算法多维关联规则计数器算法
分类号: TP311.13
类　型: 硕士论文
年　份: 2006年
下　载: 229次
引　用: 3次
阅　读: 论文下载

内容摘要

数据挖掘，也称为数据库中的知识发现(Knowledge Discovery in Database，KDD)，是从大量数据中提取出可信、新颖、有效并能被人理解的模式的高级处理过程，而关联规则是其6种模式中的一种。从购物篮分析到电信、银行业等海量数据的分析处理，关联规则已经在商业领域得到了广泛的实际应用，其中，寻找挖掘海量客户数据中的多维关联规则更是潜力无穷。传统的Apriori算法是基于单维数据库，寻找布尔关联规则的常见算法，但其效率较低，使用范围有限的缺点同样明显，同时对于寻找多维关联规则并不适用。本文在原有Apriori算法的基础上，自主设计了一种计数器算法，通过对目标数据库对象的自主计数，有效地找到了一条寻找多维关联规则的方法，为多维数据库的关联规则挖掘提供了更多的技术支持。计数器算法除了打破了原有Apriori算法不适用于寻找多维关联规则的缺陷之外，最大的优势在于在寻找多维关联规则的全过程中，只需要扫描一次目标数据库，这大大节省了对系统的负担，尤其是在对海量数据或远程数据库进行关联规则挖掘的时候，提高了整个算法的运行效率。文章还通过自主编译的计算机程序，利用真实的电信企业用户数据，成功地寻找并输出了多维关联规则，实现了计数器算法的实际应用。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-17
  1.1 数据挖掘的历史背景  10-11
  1.2 数据挖掘在商业中的应用  11-15
    1.2.1 数据挖掘在市场营销的应用  11-13
    1.2.2 数据挖掘在电信、金融方面的成功案例  13-15
  1.3 各章节内容介绍  15-17
第二章关联规则与Apriori算法简述  17-30
  2.1 数据挖掘的定义及其分类  17-19
    2.1.1 数据挖掘的定义  17
    2.1.2 数据挖掘的分类  17-19
  2.2 关联规则的基本概念及分类  19-24
    2.2.1 研究对象及定义  19-20
    2.2.2 主要参数  20-22
    2.2.3 关联规则的分类  22-24
  2.3 Apriori算法简介  24-30
    2.3.1 Apriori算法主要内容  24-25
    2.3.2 Apriori算法伪代码  25-27
    2.3.3 由频繁项集产生关联规则  27
    2.3.4 一些提高算法有效性的方法  27-30
第三章寻找多维关联规则中频繁项集方法的总体思路  30-39
  3.1 Apriori原始算法不适合挖掘多维关联规则的原因  30-31
  3.2 多维关联规则的相关概念  31-32
    3.2.1 多维关联规则的定义  31
    3.2.2 多维关联规则的分类  31-32
    3.2.3 挖掘多维关联规则的方法  32
  3.3 基于多维关联规则挖掘的计数器算法的主要思路  32-35
    3.3.1 挖掘数据的前期整理  33
    3.3.2 唯一的一次扫描数据库  33-34
    3.3.3 寻找频繁项集  34-35
    3.3.4 输出强关联规则  35
  3.4 计数器算法的伪代码  35-36
  3.5 算法编译过程中需要注意的问题  36-39
    3.5.1 如何更有效的由频繁(n-1)-项集生成频繁n-项集  36-37
    3.5.2 如何进一步提高初始扫描效率  37
    3.5.3 如何更有效的判断是否存在更高层次的频繁项集  37-39
第四章挖掘多维关联规则的实际应用  39-53
  4.1 程序的简单介绍  39-45
    4.1.1 例子程序使用的软硬件说明  39
    4.1.2 程序界面及使用说明  39-45
  4.2 程序运行情况及结果  45-51
    4.2.1 随机产生数据库的运行情况  45-47
    4.2.2 使用企业真实数据后的运行情况  47-51
  4.3 算法效率评估  51-53
结束语  53-54
参考文献  54-56
附录  56-62
致谢  62-63
攻读学位期间发表的学术论文目录  63

多维关联规则算法设计

内容摘要

全文目录

相似论文