论文部分内容阅读
数据挖掘（或知识发现）出现于20世纪80年代末，目前已经成为人工智能和数据库等领域的研究热点。它有着广阔的应用前景，并将在新的世纪里在各个领域发挥其强大的生命力。R. Agrawal等在1993年提出了关联规则问题，现在关联规则已经成为数据挖掘研究的重要方向，并且吸引了众多专家和学者的关注。 关联规则挖掘的典型算法是由R. Agrawal等提出的Apriori算法。Apriori算法在计算侯选项目集的支持度时需要多次扫描整个数据库，而随着K的增大，不仅K维项目集的数目减少了，而且能包含这些项目集的事务也是很少的。山于数据规模大且时常更新，使得采掘效率较低，必须设计更有效的算法。另外，当数据库中增加新的数据时，现有的多数算法要重新扫描整个大型数据库，而且现有算法中项目集的支持度是基于整个数据库计算的，当新增的数据中出现新项目时，即使包含新项目的项目集频繁地出现，现有算法常把这些项目集作为非频繁项目集，由此产生的关联规则不能反映最近的商业活动。 基于数据挖掘的研究现状和关联规则挖掘算法存在的问题，本文主要进行了以下的研究工作： 1．数据挖掘技术的分析与研究。在介绍数据挖掘基本概念的基础上，对数据挖掘与传统分析方法、数据库中的知识发现和联机分析处理做了深入地分析和比较，对数据挖掘的对象、可发现的模式进行了详细地分类、归纳和总结，对数据挖掘常使用的技术做了介绍和分析。 2．关联规则数据挖掘技术的分析与研究。在提出关联规则基本概念的基础上，本文对关联规则的种类进行了全面地分类、归纳和总结，对关联规则的典型挖掘算法及其基本思想进行了详细地归纳、分析和研究，对各算法之间的差别进行了客观地比较。同时，也详细地讨论了提高算法效率的各种优化技术，客观地分析了它们的优缺点和利与弊。 3．针对Apriori算法的不足，提出了一种新的关联规则的高效挖掘算法。新算法根据支持度对事务数据库进行筛选删除操作，使得在计算候选集支持度时，所扫描的事务数据库比原来的事务数据库小，从而提高整个算法的效率；同时，采用了一种新的产生候选集Ck的算法，该算法避免了原有算法在产生Ck时，对频繁集Lk-1的多次扫描，提高了效率。山东师范大学硕士论文摘要 4.针对现有的增量式更新算法无法发现新增数据中的新项目这一问题，本文首先提出了一个新的概念—敏感性，用于衡量关联规则挖掘算法对新项目的重视情况，然后从敏感度和时间效率出发对增量式更新算法进行了改进，并通过一个实例对改进算法和原算法做了分析和比较，结果说明，改进算法能较，好地发现新增数据中的新项目，具有较高的敏感性。 5.作为一个应用，本文对CRM做了较全面地分析，结合数据仓库知识，探讨了如何把数据挖掘技术及关联规则挖掘应用于CRM中，辅助企业较好地管理客户。关键词:数据挖掘;关联规则;频繁项目集;数据仓库;客户关系管理分类号:TP 1 82