隨著數(shù)據(jù)庫技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展,其應(yīng)用范圍越來越廣泛。在企業(yè)資源管理系統(tǒng)中產(chǎn)生海量的與企業(yè)管理與日常運(yùn)營相關(guān)的數(shù)據(jù)。其規(guī)模已遠(yuǎn)超過人類可以直接處理的范疇。如何處理大量的數(shù)據(jù)并發(fā)現(xiàn)數(shù)據(jù)中蘊(yùn)含的對企業(yè)運(yùn)營與發(fā)展有益的信息成為企業(yè)面臨的問題之一。在此背景下,數(shù)據(jù)挖掘營運(yùn)而生。關(guān)聯(lián)挖掘是數(shù)據(jù)挖掘的重要分支,其目的是從大批量的數(shù)據(jù)中挖掘出項(xiàng)之間的關(guān)聯(lián)和滿足特定條件的模式。自關(guān)聯(lián)規(guī)則挖掘的概念提出至今,該技術(shù)不斷地發(fā)展成熟。關(guān)聯(lián)規(guī)則經(jīng)典算法Apriori算法也引起了眾多的研究和改進(jìn),并得到廣泛應(yīng)用。商品的利潤是企業(yè)運(yùn)營中關(guān)注的重要指標(biāo),用戶對具有高利潤的關(guān)聯(lián)模式具有更高的興趣。而傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法改進(jìn)算法多是基于布爾類型的挖掘算法,其主要關(guān)注項(xiàng)的發(fā)生頻率,沒有考慮到商品的具體利潤以及在每個(gè)事務(wù)中的銷售數(shù)量。一方面,基于支持度框架的關(guān)聯(lián)挖掘會(huì)挖掘出大量的關(guān)聯(lián)規(guī)則,用戶很難從中發(fā)現(xiàn)對實(shí)際行動(dòng)具有指導(dǎo)意義的關(guān)聯(lián)。另外一個(gè)方面,基于支持度框架的關(guān)聯(lián)挖掘算法挖掘出的關(guān)聯(lián)并不一定是用戶感興趣的高利潤關(guān)聯(lián)規(guī)則。文中經(jīng)過對基于利潤的項(xiàng)集特點(diǎn)進(jìn)行分析,闡述了Apriori的支持度約束對于基于利潤的頻繁項(xiàng)集挖...

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 本文研究背景
    1.2 研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容
    1.4 本文的貢獻(xiàn)
    1.5 本文組織結(jié)構(gòu)
第二章 關(guān)聯(lián)規(guī)則的定義和算法
    2.1 關(guān)聯(lián)規(guī)則挖掘概述
    2.2 關(guān)聯(lián)規(guī)則的基本概念
    2.3 關(guān)聯(lián)規(guī)則算法APRIORI及其特點(diǎn)
        2.3.1 APRIORI算法
        2.3.2 APRIORI算法的特點(diǎn)
    2.4 提高關(guān)聯(lián)規(guī)則算法效率
    2.5 本章小結(jié)
第三章 基于利潤的頻繁項(xiàng)集挖掘算法設(shè)計(jì)
    3.1 基于利潤的頻繁項(xiàng)集挖掘定義
        3.1.1 與利潤相關(guān)的基本概念
        3.1.2 APRIORI對于基于利潤約束的項(xiàng)集挖掘不足與改進(jìn)
        3.1.3 進(jìn)一步提高頻繁項(xiàng)集的質(zhì)量
        3.1.4 基于利潤的關(guān)聯(lián)規(guī)則挖掘的任務(wù)描述
    3.2 基于利潤的頻繁項(xiàng)集挖掘算法設(shè)計(jì)
        3.2.1 數(shù)據(jù)預(yù)處理
        3.2.2 基于利潤約束的頻繁項(xiàng)集挖掘算法
    3.3 算法并行設(shè)計(jì)
    3.4 本章小結(jié)
第四章 基于利潤的頻繁項(xiàng)集挖掘算法實(shí)現(xiàn)
    4.1 算法的流程設(shè)計(jì)
    4.2 數(shù)據(jù)預(yù)處理
        4.2.1 數(shù)據(jù)結(jié)構(gòu)
        4.2.2 數(shù)據(jù)轉(zhuǎn)換
    4.3 挖掘頻繁項(xiàng)集
        4.3.1 數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)
        4.3.2 算法的并行實(shí)現(xiàn)
        4.3.3 對比算法
    4.4 頻繁項(xiàng)集的評(píng)估
        4.4.1 數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)
        4.4.2 生成有效頻繁項(xiàng)集
    4.5 結(jié)果展示方式
    4.6 本章小結(jié)
第五章 挖掘?qū)嶒?yàn)及結(jié)果分析
    5.1 實(shí)驗(yàn)數(shù)據(jù)獲取及數(shù)據(jù)介紹
        5.1.1 合成實(shí)驗(yàn)數(shù)據(jù)
        5.1.2 網(wǎng)上商店銷售數(shù)據(jù)
    5.2 實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)方法
    5.3 基于合成數(shù)據(jù)集據(jù)挖掘?qū)嶒?yàn)及結(jié)果分析
        5.3.1 實(shí)驗(yàn)分組及參數(shù)設(shè)定
        5.3.2 挖掘結(jié)果分析
    5.4 基于網(wǎng)上商店銷售數(shù)據(jù)挖掘?qū)嶒?yàn)及結(jié)果分析
        5.4.1 實(shí)驗(yàn)分組及參數(shù)設(shè)定
        5.4.2 挖掘結(jié)果分析
    5.5 算法運(yùn)行效率實(shí)驗(yàn)
    5.6 本章小結(jié)
第六章 總結(jié)和展望
    6.1 論文總結(jié)
    6.2 未來展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文



本文編號(hào)：4007494