学位论文 > 优秀研究生学位论文题录展示

增量关联规则算法及其在食品安全监管中的应用

作　者: 徐燕伟
导　师: 杜树新
学　校: 浙江大学
专　业: 模式识别与智能系统
关键词: 数据挖掘食品安全关联规则频繁项集稀疏数据增量更新
分类号: TP311.13
类　型: 硕士论文
年　份: 2008年
下　载: 183次
引　用: 0次
阅　读: 论文下载

内容摘要

将数据挖掘方法应用到食品安全领域,可以使得海量的食品检测数据得到及时的跟踪分析,尽早地揭示其潜在的规律与异常,为食品安全的检疫监督工作提供决策支持。关联规则挖掘是研究数据潜在有趣模式的一项重要而基础性的方法,它揭示数据库各属性之间的内在关联,以易于理解的方式向用户提供大量的有趣规则。本文探讨了在食品安全检测数据库上如何应用关联规则挖掘,以及在数据库更新时,如何对已有的规则进行更新的方法。主要研究工作有:1)结合频繁项集挖掘方法的难点,分析了食品安全检测数据的各种特性,如多维度、类别属性、分布不均衡且稀疏等,讨论了频繁项集挖掘算法的复杂度与数据集本身特征之关系。2)提出了一种针对食品安全数据的稀疏特性的选择性过滤算法SSF(Selective Skeching Filter),此算法通过过滤信息冗余属性,可以为频繁项集挖掘算法和更新算法提供更小的候选1—项集,也过滤了由冗余属性值引发的大量的伪关联规则,从而大大提高了挖掘和更新算法的性能,便于根据兴趣度筛选出有意义的规则。3)针对食品安全检测数据的动态性,本文提出一种新的频繁项集更新算法UWP(Update With Portions)。在该算法中,将更新后的频繁项集分成三个子集分别处理,无需从头计算所有的候选项集,并且利用了负性边缘的性质来有效减少扫描整个数据库的I/O代价;最后,在给定食品数据集的条件下,本文对使用UWP算法来实现增量更新,与利用Apriori算法挖掘全部频繁项集,进行了对比实验。实验结果表明,该算法具有高效,可组件化,通用性强的特点。

全文目录

摘要  4-5
Abstract  5-6
致谢  6-7
目录  7-9
第一章绪论  9-19
  1.1 数据挖掘问题的提出  9-10
  1.2 关联规则挖掘技术  10-14
    1.2.1 关联规则的概念  10
    1.2.2 关联规则挖掘问题分解  10-11
    1.2.3 关联规则算法研究现状  11-13
    1.2.4 Apriori算法概述  13-14
  1.3 课题研究意义  14-17
    1.3.1 食品安全监管数据挖掘研究意义  14-16
    1.3.2 增量关联规则研究意义  16-17
  1.4 本文的工作  17-19
第二章关联挖掘的增量更新算法  19-27
  2.1 引言  19-20
  2.2 增量式更新问题描述  20
  2.3 增量更新算法研究现状  20-22
  2.4 FUP算法  22-27
    2.4.1 FUP算法的基本思想  22-23
    2.4.2 FUP算法描述  23-25
    2.4.3 FUP算法的不足  25-27
第三章数据分析与算法优化  27-39
  3.1 频繁项集挖掘的复杂度  27-28
  3.2 食品检测数据分析  28-33
    3.2.1 数据的来源与准备  28-29
    3.2.2 数据的一般特点  29-31
    3.2.3 数据的稀疏性  31-33
  3.3 优化方案  33-37
    3.3.1 方法意义  33-34
    3.3.2 算法实现  34-35
    3.3.3 实验结果  35-37
  3.4 本章小结  37-39
第四章 UWP增量算法  39-49
  4.1 UWP算法原理  39-43
    4.1.1 问题描述  39-40
    4.1.2 UWP算法基本原理  40-43
  4.2 UWP算法步骤  43-44
  4.3 对比实验  44-48
    4.3.1 实验设计与实验条件  44-45
    4.3.2 对比实验结果  45-47
    4.3.3 实验结果分析  47-48
  4.4 本章小结  48-49
第五章总结与展望  49-51
  5.1 本文完成的主要工作和成果  49
  5.2 对未来的展望  49-51
参考文献  51-55
附录  55
  作者简介  55
  攻读硕士学位期间录用及完成的论文  55
  攻读硕士学位期间参与的科研项目  55

增量关联规则算法及其在食品安全监管中的应用

内容摘要

全文目录

相似论文