面向分類預測的增量關聯(lián)規(guī)則應用研究.pdf

1、數(shù)據庫技術以及計算機硬件技術的飛速發(fā)展使得搜集更多有用的數(shù)據成為可能。然而，大量的數(shù)據在一定程度上為描述特征、制定決策帶來便利的同時，也將數(shù)據的處理者帶入了“數(shù)據豐富，但知識貧乏”的窘境當中。為了打破這一窘境，高效處理數(shù)據、發(fā)掘潛在有用信息，數(shù)據挖掘技術在20世紀80年代應運而生，并得到了飛速發(fā)展。
　　 在數(shù)據挖掘的眾多分支中，關聯(lián)規(guī)則挖掘和分類的應用研究又是兩個具有高活躍度的重要領域。由于它們都有挖掘相關性強的項目集的顯著共

2、性，將關聯(lián)規(guī)則挖掘用于解決數(shù)據挖掘中的分類應用的研究工作也就逐步展開并深入了。研究發(fā)現(xiàn)，由于關聯(lián)規(guī)則挖掘方法可以同時考慮多個屬性之間的高置信度關聯(lián)，將它用于分類應用往往可以獲得比當前最為常用的決策樹方法更高的準確率。
　　 本文在對國內外將關聯(lián)規(guī)則用于分類應用的研究現(xiàn)狀進行簡要分析的基礎上，首先介紹了數(shù)據挖掘的產生、基本概念、過程以及功能等。其中，又著重對關聯(lián)規(guī)則挖掘進行了概述，包括其定義、經典算法，以及增量關聯(lián)規(guī)則的更新等。隨

3、后，在第三章論證了提出面向分類預測的增量關聯(lián)規(guī)則更新應用研究的必要性。在此基礎上，提出了最小支持度閾值(minsup)和最小置信度閾值(minconf)發(fā)生改變時高效更新分類預測關聯(lián)規(guī)則的一個改進算法，然后以此改進算法為基礎，進一步提出了當目標數(shù)據集中數(shù)據增加或者減少時高效更新分類預測關聯(lián)規(guī)則的兩個新算法。論文對三個算法的算法基礎、算法描述，以及算法有效性實驗和結果分析分別進行了闡述。
　　 在第四章中，以UCI數(shù)據集中的Ger