發(fā)布時間：2024-10-05 03:37

　　隨著數據庫技術和計算機技術的不斷發(fā)展,其應用范圍越來越廣泛。在企業(yè)資源管理系統(tǒng)中產生海量的與企業(yè)管理與日常運營相關的數據。其規(guī)模已遠超過人類可以直接處理的范疇。如何處理大量的數據并發(fā)現數據中蘊含的對企業(yè)運營與發(fā)展有益的信息成為企業(yè)面臨的問題之一。在此背景下,數據挖掘營運而生。關聯挖掘是數據挖掘的重要分支,其目的是從大批量的數據中挖掘出項之間的關聯和滿足特定條件的模式。自關聯規(guī)則挖掘的概念提出至今,該技術不斷地發(fā)展成熟。關聯規(guī)則經典算法Apriori算法也引起了眾多的研究和改進,并得到廣泛應用。商品的利潤是企業(yè)運營中關注的重要指標,用戶對具有高利潤的關聯模式具有更高的興趣。而傳統(tǒng)的關聯規(guī)則挖掘算法改進算法多是基于布爾類型的挖掘算法,其主要關注項的發(fā)生頻率,沒有考慮到商品的具體利潤以及在每個事務中的銷售數量。一方面,基于支持度框架的關聯挖掘會挖掘出大量的關聯規(guī)則,用戶很難從中發(fā)現對實際行動具有指導意義的關聯。另外一個方面,基于支持度框架的關聯挖掘算法挖掘出的關聯并不一定是用戶感興趣的高利潤關聯規(guī)則。文中經過對基于利潤的項集特點進行分析,闡述了Apriori的支持度約束對于基于利潤的頻繁項集挖...

【文章頁數】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 本文研究背景
    1.2 研究現狀
    1.3 本文主要研究內容
    1.4 本文的貢獻
    1.5 本文組織結構
第二章 關聯規(guī)則的定義和算法
    2.1 關聯規(guī)則挖掘概述
    2.2 關聯規(guī)則的基本概念
    2.3 關聯規(guī)則算法APRIORI及其特點
        2.3.1 APRIORI算法
        2.3.2 APRIORI算法的特點
    2.4 提高關聯規(guī)則算法效率
    2.5 本章小結
第三章 基于利潤的頻繁項集挖掘算法設計
    3.1 基于利潤的頻繁項集挖掘定義
        3.1.1 與利潤相關的基本概念
        3.1.2 APRIORI對于基于利潤約束的項集挖掘不足與改進
        3.1.3 進一步提高頻繁項集的質量
        3.1.4 基于利潤的關聯規(guī)則挖掘的任務描述
    3.2 基于利潤的頻繁項集挖掘算法設計
        3.2.1 數據預處理
        3.2.2 基于利潤約束的頻繁項集挖掘算法
    3.3 算法并行設計
    3.4 本章小結
第四章 基于利潤的頻繁項集挖掘算法實現
    4.1 算法的流程設計
    4.2 數據預處理
        4.2.1 數據結構
        4.2.2 數據轉換
    4.3 挖掘頻繁項集
        4.3.1 數據結構設計
        4.3.2 算法的并行實現
        4.3.3 對比算法
    4.4 頻繁項集的評估
        4.4.1 數據結構設計
        4.4.2 生成有效頻繁項集
    4.5 結果展示方式
    4.6 本章小結
第五章 挖掘實驗及結果分析
    5.1 實驗數據獲取及數據介紹
        5.1.1 合成實驗數據
        5.1.2 網上商店銷售數據
    5.2 實驗環(huán)境及實驗方法
    5.3 基于合成數據集據挖掘實驗及結果分析
        5.3.1 實驗分組及參數設定
        5.3.2 挖掘結果分析
    5.4 基于網上商店銷售數據挖掘實驗及結果分析
        5.4.1 實驗分組及參數設定
        5.4.2 挖掘結果分析
    5.5 算法運行效率實驗
    5.6 本章小結
第六章 總結和展望
    6.1 論文總結
    6.2 未來展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文



本文編號：4007494