事务间量化关联规则论文_陈砚雄

导读:本文包含了事务间量化关联规则论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:规则,事务,数据仓库,数据挖掘,论文。

事务间量化关联规则论文文献综述

陈砚雄^[1]（2003）在《事务间量化关联规则挖掘的研究及应用》一文中研究指出世界进入信息时代，在各个领域存在大量数据，人们迫切需要将它们转换成有用的信息和知识，以应用于商务管理、生产控制和预测等方面。数据挖掘和知识发现作为从海量数据中提取信息的一种技术，已经成为当前一个具有重要理论和应用价值的研究课题，在国际学术界引起了广泛关注。本文在充分分析数据挖掘的基本特点和相关技术的基础上，探讨了事务间量化关联规则挖掘的理论及其在预测中的应用。本文首先介绍了国内外关于知识发现和数据挖掘的最新发展动态、数据挖掘的基本概念和一般处理流程。通过对事务间关联规则理论的分析，发现其适用对象仪仪为分类属性，因而有所限制，基于原来的事务间关联规则概念和算法，我们提出了事务间量化关联规则的概念及挖掘算法，从而将分类属性和量化属性统一到了一起，扩展了它们的应用范围；然后引入了部分完全性度量和分箱技术对属性进行动态离散化，在保证信息丢失最小化的前提下，有效地压缩了算法的搜索空间，对于算法搜索产生的海量规则，采用基于特化的R—兴趣度度量来剔除冗余规则；再者，因为数据挖掘本质上是一种数据分析技术，单纯的数据挖掘技术缺少用户的参与，因而不能得到他们的期望结果，据此我们引入多维数据分析的OLAP技术，将它与关联规则挖掘技术紧密地集成在一起，形成了一个对用户友好的、交互式的数据挖掘环境。最后，我们将上述理论应用到武汉市空气质量预测系统Orpheus中，取得了较好的效果。本文的主要研究成果如下： 1) 深入研究了事务间关联规则挖掘的理论和方法，对它作进一步的扩充，提出了事务间量化关联规则的概念。 2) 提出了事务间量化关联规则的挖掘算法。 3) 引入了数据仓库的概念和OLAP技术，以它们作为基础，结合关联规则挖掘算法，形成了OLAM的系统结构，并在空气质量预测系统中初步地实现。 4) 设计了基于关联规则挖掘模型和OLAM结构的预测系统框架，该框架的核心是OLAM引擎，它实现了一种从数据建模—预测结果—再调整 K＼硕士学位论文＼NhM M尼”匹R’Snr“ 模型的自反馈过程，对于数据挖掘方法在预测领域的应用有着启发性的意义。(本文来源于《华中师范大学》期刊2003-05-01）