摘要: 数据挖掘技术是当前机器学习、人工智能、计算机科学和数据库研究方向的重要课题，它从已有的数据中分析、提炼和挖掘出先前未知的、新奇的、对决策有潜在应用价值的知识。数据挖掘是发现数据中存在的关系和规则，挖掘数据背后隐藏的知识的手段。关联... 展开 数据挖掘技术是当前机器学习、人工智能、计算机科学和数据库研究方向的重要课题，它从已有的数据中分析、提炼和挖掘出先前未知的、新奇的、对决策有潜在应用价值的知识。数据挖掘是发现数据中存在的关系和规则，挖掘数据背后隐藏的知识的手段。关联规则挖掘是从数据库中得出数据相关性的代名词，已经成为数据挖掘的一个重要研究内容，当前的研究主要是集中在如何提高关联规则挖掘的效率上面。 本文对数据挖掘技术和关联规则挖掘进行了系统的分析和研究，并在关联规则的基础上改进了两个算法。 本文的工作主要在以下几个方面： (1)对数据挖掘的基本理论知识和分类进行了总体研究，重点分析了关联规则的基本思想，并对关联规则的相关算法进行了详细介绍。 (2)在分析关联规则基本理论的基础上，改进了一种基于矩阵的关联规则挖掘算法，通过扫描将数据库映射为0-1矩阵，引入了向量内积的思想，直接在矩阵上进行运算，避免了反复扫描的过程，理论分析和实验证明了改进算法在效率上的提高。 (3)通过具体分析经典Apriori算法的性能，对其进行了改进。在自然连接以前先进行一个修剪过程，减少参加连接的项集数量，减小生成的候选项集规模，减少了循环迭代次数和运行时间，同时在连接判断步骤中减少多余的判断次数。 收起