數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法及其應(yīng)用

《數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法及其應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法及其應(yīng)用摘要：隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)通信技術(shù)的不斷發(fā)展，數(shù)據(jù)信息逐漸成為當(dāng)前社會(huì)各行各業(yè)發(fā)展的關(guān)鍵。如何在海量數(shù)據(jù)中挖掘出對(duì)企業(yè)發(fā)展有利的信息是當(dāng)前各行各業(yè)研究熱點(diǎn)，也是未來計(jì)算機(jī)領(lǐng)域發(fā)展的主要方向。本文從數(shù)據(jù)挖掘技術(shù)的相關(guān)概念出發(fā)，對(duì)時(shí)態(tài)約束關(guān)聯(lián)規(guī)則挖掘問題及算法，數(shù)據(jù)分割下的挖掘問題及算法進(jìn)行了簡單分析，結(jié)合相關(guān)內(nèi)容簡單介紹了交互式的可視化方法。關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則中圖分類號(hào)：TP311.131數(shù)據(jù)挖掘技術(shù)1.1數(shù)據(jù)挖掘概念所謂數(shù)據(jù)挖掘，簡單理解就是從海量數(shù)據(jù)中挖掘出對(duì)用戶有利用價(jià)值的信息，并根據(jù)分析結(jié)果判斷數(shù)據(jù)與數(shù)據(jù)之間的關(guān)系。人們利用數(shù)據(jù)技術(shù)

2、的主要目的就在于從混亂的數(shù)據(jù)信息中分析出能夠?qū)ξ磥斫?jīng)營策略有用的信息，進(jìn)而能夠更好更高效的經(jīng)營企業(yè)，獲得更多經(jīng)營利潤。1.2數(shù)據(jù)挖掘技術(shù)分類6關(guān)于數(shù)據(jù)挖掘針對(duì)其挖掘的對(duì)象，大致的可以做出以下分類，具體分為時(shí)態(tài)數(shù)據(jù)庫、異質(zhì)數(shù)據(jù)庫、文本數(shù)據(jù)源、關(guān)系數(shù)據(jù)庫面向?qū)ο髷?shù)據(jù)庫（Object-OrientedDatabase）、空間數(shù)據(jù)庫、遺產(chǎn)數(shù)據(jù)庫、多媒體數(shù)據(jù)庫以及web等比較具有針對(duì)性的挖掘?qū)ο?。針?duì)數(shù)據(jù)挖掘的方法大致的可以歸納為：計(jì)算機(jī)學(xué)習(xí)法、數(shù)理統(tǒng)計(jì)法、信息聚類分析法、遺傳算法GeneticAlgorithm、神經(jīng)網(wǎng)絡(luò)NeuralNetwork探索性分析法、不確定性推理和近似推理法、數(shù)據(jù)分

3、析法、證據(jù)理論和元模式法、數(shù)據(jù)集成方法、當(dāng)代數(shù)學(xué)分析法等。1.3數(shù)據(jù)挖掘應(yīng)用分析隨著當(dāng)前計(jì)算機(jī)技術(shù)和信息技術(shù)的飛速發(fā)展，數(shù)據(jù)分析已經(jīng)成為當(dāng)前各行各業(yè)的重要研究內(nèi)容，數(shù)據(jù)挖掘技術(shù)可以說是時(shí)代發(fā)展的產(chǎn)物。傳統(tǒng)意義上的數(shù)據(jù)收集已經(jīng)很難以應(yīng)付當(dāng)前數(shù)據(jù)信息瞬息萬變的局面，企業(yè)需要發(fā)展就需要高價(jià)值率的數(shù)據(jù)庫作保證。企業(yè)在市場競爭中，只有掌握了最為準(zhǔn)確的市場分析數(shù)據(jù)，才能夠更好的去確定未來的發(fā)展方向，才能夠更好的提高資金利用率。高層次數(shù)據(jù)分析是很多企業(yè)所面臨的重點(diǎn)問題，不管是行政決策還是市場預(yù)判，均需要這類數(shù)據(jù)來提供可靠參考。所以，研究數(shù)據(jù)挖掘技術(shù)與關(guān)聯(lián)規(guī)則挖掘算法具有非常重要的現(xiàn)實(shí)意義。2時(shí)態(tài)約

4、束關(guān)聯(lián)規(guī)則挖掘問題及算法2.1聚焦挖掘任務(wù)，提高挖掘效率6早期的數(shù)據(jù)挖掘理論主要研究方向是模型建立及挖掘算法設(shè)計(jì)，不同企業(yè)所收集數(shù)據(jù)類型不同，所以在實(shí)際使用過程中模型及算法的確定也不同。傳統(tǒng)數(shù)據(jù)挖掘過程，首先需要做的是對(duì)提供的數(shù)據(jù)庫進(jìn)行全面分析，然后再結(jié)合用戶需求進(jìn)行更為深入細(xì)致的研究，制定出最佳數(shù)據(jù)挖掘模型，如果最終所得到的分析結(jié)果并未達(dá)到用戶滿意，則重新分析研究制定模型進(jìn)行二次數(shù)據(jù)挖掘。算法也是影響數(shù)據(jù)挖掘結(jié)果的關(guān)鍵，不同算法在不同模型下所得到的結(jié)果也不同，因此制定數(shù)據(jù)挖掘模型及算法是用戶是否能夠得到預(yù)期結(jié)果的重要參數(shù)。2.2保證挖掘的精確性雖然數(shù)據(jù)挖掘的目的是為了能夠幫助用戶獲

5、得更多有價(jià)值的參考結(jié)論，但其結(jié)果具有不可預(yù)測性的特點(diǎn)。數(shù)據(jù)挖掘過程中算法的運(yùn)用還會(huì)設(shè)計(jì)很多問題，這些問題的出現(xiàn)肯定會(huì)對(duì)最終的結(jié)果可靠性造成一定影響，因此必須要在算法中加入反饋機(jī)制，以便于在計(jì)算過程中對(duì)結(jié)果進(jìn)行測試和修正。3數(shù)據(jù)分割下的挖掘問題及算法對(duì)于理論基礎(chǔ)比較成熟的算法――Apriori算法，研究的側(cè)重點(diǎn)已經(jīng)變?yōu)樾蕟栴}，人們也提出了各種的改進(jìn)算法，本文選區(qū)幾種比較有代表性的加以介紹。3.1減少事務(wù)的個(gè)數(shù)6如果在事務(wù)處理過程中去除長度小于k的項(xiàng)目集，那么在后期計(jì)算過程中肯定不會(huì)再出現(xiàn)長度為k+1的項(xiàng)目集。因此，在數(shù)據(jù)挖掘過程中我們可以通過算法直接將無用事務(wù)濾除，以便于在下輪掃描過

6、程中簡化操作過程，提高數(shù)據(jù)挖掘效率。3.2基于劃分的方法這類算法的比較典型的是頻繁項(xiàng)目生成算法，該算法原理在于：把數(shù)據(jù)庫分解成邏輯上互不交叉的部分，而每次只需要單獨(dú)考慮一個(gè)分塊，在這樣的分塊中，研究怎樣能夠發(fā)掘頻繁項(xiàng)目集；而對(duì)于怎樣將數(shù)據(jù)進(jìn)入存儲(chǔ)中，可以把需要處理的分塊放入計(jì)算機(jī)內(nèi)存中，這樣有利于算法的并行處理，數(shù)據(jù)量相對(duì)于不分塊前減少，提高了數(shù)據(jù)挖掘的速度。3.3基于采樣的方法數(shù)據(jù)庫抽樣計(jì)算的目的是獲得更直接的規(guī)則，進(jìn)而能夠方便于后期的數(shù)據(jù)挖掘過程，通過抽樣檢驗(yàn)我們可以更為直觀的判斷關(guān)聯(lián)規(guī)則是否有效，是否能夠更加簡便的獲得用戶所需目標(biāo)?；诓蓸拥臄?shù)據(jù)挖掘算法在實(shí)現(xiàn)方法上要容易一些，

7、而且還可以最大限度的降低數(shù)據(jù)挖掘過程所需要提供的I/O成本。但同時(shí)這種算法也會(huì)使得抽樣數(shù)據(jù)隨機(jī)性大大增加，進(jìn)而使得數(shù)據(jù)挖掘過程中出現(xiàn)的問題增多，給數(shù)據(jù)挖掘帶來額外負(fù)擔(dān)?；诮y(tǒng)計(jì)學(xué)理論的抽樣算法，雖然在計(jì)算精度上無法與其他算法相媲美，但如果我們結(jié)合相關(guān)數(shù)據(jù)挖掘理論進(jìn)行更為深入的分析研究，還是能夠在精度上進(jìn)行一定的彌補(bǔ)。4交互式的可視化方法6關(guān)聯(lián)規(guī)則可視化研究是當(dāng)前關(guān)聯(lián)規(guī)則挖掘在數(shù)據(jù)挖掘技術(shù)走向?qū)嵱没闹匾獌?nèi)容之一，通過直觀的、易懂的方式展現(xiàn)給用戶是關(guān)聯(lián)規(guī)則挖