基于負關聯(lián)規(guī)則分類技術的研究.pdf

1、挖掘關聯(lián)規(guī)則可以發(fā)現(xiàn)大型數(shù)據(jù)庫中數(shù)據(jù)項相對關系，由于其在現(xiàn)實世界的廣泛應用，關聯(lián)規(guī)則已經(jīng)在學術上獲得了廣泛的研究。所以關聯(lián)規(guī)則挖掘成為數(shù)據(jù)挖掘研究中的一個熱點，已經(jīng)發(fā)現(xiàn)了很多有效的關聯(lián)規(guī)則挖掘算法，如：Apriori算法[1]，F(xiàn)Pgrowth[2]算法等等。關聯(lián)規(guī)則挖掘的一個重要應用就是基于關聯(lián)規(guī)則的分類，這種模式最近已經(jīng)被證明比傳統(tǒng)的分類方法，如：C4.5[3]有更高的準確度，但是只有正關聯(lián)規(guī)則應用于關聯(lián)規(guī)則分類算法.負關聯(lián)規(guī)則具有

2、與正關聯(lián)規(guī)則同樣的重要性，而且負關聯(lián)規(guī)則可以發(fā)現(xiàn)那些隱藏的分類規(guī)則，并且對于正關聯(lián)規(guī)則有一定得補充性，可以讓分類效率和準確度更高.這篇論文介紹了主要的基于關聯(lián)規(guī)則分類的挖掘算法，分析并總結了負關聯(lián)規(guī)則的研究現(xiàn)狀和主要技術，提出了過頻繁項集的問題，并且指出了基于負關聯(lián)規(guī)則分類研究的發(fā)展趨勢?，F(xiàn)有的關聯(lián)規(guī)則挖掘算法大都是在頻繁項集的基礎上進行挖掘，關于非頻繁項集的研究較少，實際上數(shù)據(jù)庫中還存在許多低頻率、強相關規(guī)則，即形如A=>（）B、（）