关联规则挖掘研究综述.docx

关联规则挖掘研究综述.docx关联规则挖掘研究综述SurveyofAssociationRuleMining胡文瑾【摘要】本文介绍了当前关联规则挖掘的研究情况,分析了传统的关联规则挖掘算法的不足,介绍了几种优化算法。最后,展望了关联规则挖掘的研究方向。【关键词】关联规则KDD数据挖掘HuwenjinAbstract:Thispaperintroducesthesituationofresearchesonminingassociationrules・Then,,,:RoughSetKDDDataMining1・前言数据库屮的知识发现技术(KnowledgeDiscoveryinDatabase,KDD)是随着数据库和人工智能的发展而产生的,它是“从大最数据屮提取出可信的、新颖的、有效的并能被人理解的模式的非平凡过程”。“数据挖掘”(DataMining,DM),它的算法是KDD系统的核心。关联规则挖掘发现大量数据屮项集之间有趣的关联和相互联系。随着大量数据不停地收集和存储,许多业界人士对于从他们的数据库屮挖掘关联规则越来越感兴趣。、新颖的、有潜在价值的、以及最终的可理解的模式的非常规的过程。知识发现的过程包括数据准备、模式搜索、知识评估以及知识提炼等许多步骤,而这些步骤构成一个多重循环的过程。一般认为,数据挖掘是组成知识发现过程的一个环节,它是在某种可接受的约束条件下,应用数据分析和数据发现算法,从数据屮获取某些特定模式的过程。数据挖掘(Datamining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据屮,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。它是涉及机器学****模式识别、统计学、人工智能、数据库管理及数据可视化等学科的边缘学科。知识发现的处理过程大致分成以下几步:问题定义:熟悉应用领域的背景知识,明确发现任务的需求。数据提取:根据需求从数据库屮提取相关数据。数据预处理:对前一阶段获取的数据进行再加工,检杏数据的完一整性、一致性,对其屮的噪音数据进行处理,对丢失的数据进行填补、转换。数据挖掘;根据知识发现任务与数据库形式,选择适当的算法,从数据屮提取出适当的模式,这些模式通常是便于机器理解的方式表达的。知识评估:将发现的模式以人能理解的方式表达出来,成为知识;根据评价法则对得到的知识进行评价,以确定新颖性、有效性;将不同来源的知识进行融合,形成具备一致性的知识数据库;根据需要对知识发现过程屮某些处理阶段进行优化,直到满足要求。BB1KDD流程由此可见,数据挖掘只是数据库屮知识发现的一个步骤,但又是最重要的一步。因此,可以不加区别的使用KDD和数据挖掘。一般情况下,在研究领域****惯称为数据库屮知识发现,在工程领域称Z为数据挖掘。,它反映了大量数据屮项目集之间有趣的关联或相关联系。