關聯規(guī)則Eclat算法改進研究.pdf

1、數據挖掘是從海量數據中獲取有效的、新穎的、潛在有用的知識，并最終形成可理解的模式的非平凡過程。現今的數據庫系統已經能夠實現查詢、統計和報表，但處理方式相對單一，都只是對一定范圍內的數據進行簡單的數字化處理，而不能提取隱藏在這些數據背后的內在信息。隨著各行各業(yè)廣泛應用信息管理系統，帶來了數據量的急速膨脹，人們迫切希望有一種功能，它能夠提供更高層次的數據分析，從而更好地支持決策或科研工作。關聯規(guī)則挖掘是數據挖掘中關聯分析的運用，是數據挖掘一

2、個非常重要的學科，具有很高的理論價值和廣泛的應用前景。
　　 關聯規(guī)則反映一個事物與其他事物之間的相互依存性和關聯性。如果兩個或多個事物之間存在著一定的關聯關系，那么其中一個事物就能夠通過其他事物預測到。關聯規(guī)則挖掘算法用于發(fā)現關聯規(guī)則，諸多的研究人員和學者對其進行了大量的研究。現有的關聯規(guī)則算法大多數是基于Apriori和FP-growth的迭代算法。通常數據庫有水平數據表示和垂直數據表示兩種形式，本文深入分析了頻繁項集的挖掘

3、問題，描述了現有的關聯規(guī)則分類和挖掘算法，并著重對傳統Apriori算法和AprioriTid算法進行分析，指出了他們各自的優(yōu)缺點。對于挖掘算法的性能，通常采用垂直數據表示的算法要高于水平數據表示，Eclat算法是首個采用垂直數據表示的經典關聯挖掘算法。
　　 本文首先對Eclat算法進行了深入地研究和分析，并在此基礎上提出了一種改進算法——hEclat。該算法把散列表與布爾矩陣相結合，提出散列布爾矩陣的思想，對傳統Eclat算

4、法中求兩個Tidsets集合交集的操作進行改進，以提高求交集的速度，從而達到提升整個算法生成頻集、挖掘關聯規(guī)則的效率。
　　 對關聯規(guī)則挖掘而言，已有的很多研究只注重解決算法的時間效率，而忽視了關聯規(guī)則的多維特性，通過在關系數據庫中提取出用戶感興趣的多維關聯規(guī)則，在商務決策方面將更具指導意義，也更能夠滿足實際情況的需要。本文在傳統Eclat算法基礎上提出MD-Eclat算法，并構造了一種新的數據預處理方法，實現從關系數據庫的普通