關(guān)聯(lián)規(guī)則挖掘技術(shù)的gis應(yīng)用分析.rar
關(guān)聯(lián)規(guī)則挖掘技術(shù)的gis應(yīng)用分析,全文3.4萬(wàn)字43頁(yè) 包含代碼摘要: 關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中成果頗豐而且比較活躍的研究分支,關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。隨著大量數(shù)據(jù)不停地收集和存儲(chǔ),許多業(yè)界人士對(duì)從數(shù)據(jù)庫(kù)中挖掘關(guān)聯(lián)規(guī)則越來(lái)越感興趣。最為著名的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法是r.agrawal提出的apriori算法。關(guān)聯(lián)規(guī)則的挖掘可分...
該文檔為壓縮文件,包含的文件列表如下:
內(nèi)容介紹
原文檔由會(huì)員 比爾蓋茨 發(fā)布
全文3.4萬(wàn)字 43頁(yè) 包含代碼
摘要:
關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中成果頗豐而且比較活躍的研究分支,關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。隨著大量數(shù)據(jù)不停地收集和存儲(chǔ),許多業(yè)界人士對(duì)從數(shù)據(jù)庫(kù)中挖掘關(guān)聯(lián)規(guī)則越來(lái)越感興趣。最為著名的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法是R.Agrawal提出的Apriori算法。關(guān)聯(lián)規(guī)則的挖掘可分為兩步。第一步是迭代識(shí)別所有的頻繁項(xiàng)目集,要求頻繁項(xiàng)目集的支持度不低于用戶設(shè)定的最低值;第二步是從頻繁項(xiàng)目集中構(gòu)造可信度不低于用戶設(shè)定的最低值的規(guī)則。識(shí)別或發(fā)現(xiàn)所有頻繁項(xiàng)目集是關(guān)聯(lián)規(guī)則挖掘算法的核心,也是計(jì)算量最大的部分。
Abstract
This thesis emphasizes on association rule mining. At first, the background knowledge of data mining and association rule mining are introduced briefly. After that, some kinds of common used association rule mining algorithms are discussed; It mainly discusses a classic arithmetic-the Apriori arithmetic, and analyses the arithmetic by a experiment.
At present, the Data Mining has become the hot-topic. This thesis mainly discusses a classic arithmetic-the Apriori arithmetic, The work in this thesis is an only beginning on Data Mining, more works will be done in the future.
Key words:
Data Mining; association rules; frequent itemset; the Apriori arithmetic;
目錄
摘要
第一章 引言
1.1本文的研究目的與意義
1.2研究進(jìn)展概述
1.3 本文的主要工作
1.4本文的組織結(jié)構(gòu)
第二章 關(guān)聯(lián)規(guī)則挖掘技術(shù)
第三章 Apriori算法
3.1 算法概述
3.2算法偽代碼描述
3.3實(shí)例分析
3.4算法分析
第四章 實(shí)驗(yàn)分析
第五章 關(guān)聯(lián)規(guī)則挖掘在空間數(shù)據(jù)庫(kù)中的應(yīng)用分析
第六章總結(jié)與展望
參考文獻(xiàn)
致 謝
摘要:
關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中成果頗豐而且比較活躍的研究分支,關(guān)聯(lián)規(guī)則挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)集之間有趣的關(guān)聯(lián)或相關(guān)聯(lián)系。隨著大量數(shù)據(jù)不停地收集和存儲(chǔ),許多業(yè)界人士對(duì)從數(shù)據(jù)庫(kù)中挖掘關(guān)聯(lián)規(guī)則越來(lái)越感興趣。最為著名的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)方法是R.Agrawal提出的Apriori算法。關(guān)聯(lián)規(guī)則的挖掘可分為兩步。第一步是迭代識(shí)別所有的頻繁項(xiàng)目集,要求頻繁項(xiàng)目集的支持度不低于用戶設(shè)定的最低值;第二步是從頻繁項(xiàng)目集中構(gòu)造可信度不低于用戶設(shè)定的最低值的規(guī)則。識(shí)別或發(fā)現(xiàn)所有頻繁項(xiàng)目集是關(guān)聯(lián)規(guī)則挖掘算法的核心,也是計(jì)算量最大的部分。
Abstract
This thesis emphasizes on association rule mining. At first, the background knowledge of data mining and association rule mining are introduced briefly. After that, some kinds of common used association rule mining algorithms are discussed; It mainly discusses a classic arithmetic-the Apriori arithmetic, and analyses the arithmetic by a experiment.
At present, the Data Mining has become the hot-topic. This thesis mainly discusses a classic arithmetic-the Apriori arithmetic, The work in this thesis is an only beginning on Data Mining, more works will be done in the future.
Key words:
Data Mining; association rules; frequent itemset; the Apriori arithmetic;
目錄
摘要
第一章 引言
1.1本文的研究目的與意義
1.2研究進(jìn)展概述
1.3 本文的主要工作
1.4本文的組織結(jié)構(gòu)
第二章 關(guān)聯(lián)規(guī)則挖掘技術(shù)
第三章 Apriori算法
3.1 算法概述
3.2算法偽代碼描述
3.3實(shí)例分析
3.4算法分析
第四章 實(shí)驗(yàn)分析
第五章 關(guān)聯(lián)規(guī)則挖掘在空間數(shù)據(jù)庫(kù)中的應(yīng)用分析
第六章總結(jié)與展望
參考文獻(xiàn)
致 謝