基于多最小支持度的關聯(lián)規(guī)則挖掘研究.pdf

1、隨著社會的發(fā)展和進步，數(shù)據(jù)庫中的數(shù)據(jù)量越來越大。如何從海量的數(shù)據(jù)中找到自己所需要的規(guī)則已經成為了人們不得不面對的問題。在大量的數(shù)據(jù)里挖掘所需要的規(guī)則是非常繁瑣的，一方面由于在現(xiàn)實社會中，得到的數(shù)據(jù)往往是缺失部分值的，這對于規(guī)則的挖掘非常不利，另一方面，數(shù)據(jù)庫中的條件屬性有些對于決策的得出是不必要的，不需要進行考慮的，多余屬性的存在一定程度上使規(guī)則的挖掘更加麻煩。同時，目前針對關聯(lián)規(guī)則的挖掘大部分使用的是單最小支持度，這不利于實際的應用。

2、針對上述存在的問題，本文將粗糙集理論中的不完備信息系統(tǒng)完備化、屬性約簡與關聯(lián)規(guī)則挖掘相結合，進行了基于多最小支持度的關聯(lián)規(guī)則挖掘研究。主要研究內容如下:
　　1.簡單介紹了粗糙集與關聯(lián)規(guī)則的相關理論，以及關聯(lián)規(guī)則挖掘問題的國內外研究現(xiàn)狀，并對其進行了相應研究。
　　2.在原Apriori算法的基礎上結合黃金比例進行改進，得出基于黃金比例的關聯(lián)規(guī)則挖掘算法。改進算法解決了最小支持度過于單一的問題，通過仿真實驗證明該算法可以有效

3、提高挖掘關聯(lián)規(guī)則的效率。
　　3.針對不完備信息系統(tǒng)中關聯(lián)規(guī)則的挖掘，本文對相關的傳統(tǒng)算法進行了改進。首先，從不完備信息系統(tǒng)中對完備的數(shù)據(jù)進行抽樣，設定較高的支持度閾值后，運用基于黃金比例的關聯(lián)規(guī)則挖掘算法對抽樣后的數(shù)據(jù)進行挖掘，得出其中的頻繁項集。之后，借助頻繁項集按照一定的規(guī)則對不完備數(shù)據(jù)進行完備化與屬性約簡，得到新的信息系統(tǒng)。最后，通過改良算法對新的信息系統(tǒng)進行挖掘，得出不完備信息系統(tǒng)中的關聯(lián)規(guī)則。
　　仿真實驗分析表