论文部分内容阅读
数据挖掘作为数据库技术中的核心科学之一,已经成为从海量销售数据中挖掘有价值信息的重要手段。其中,关联规则挖掘作为数据挖掘领域的一个主要研究方向,尤其对于零售企业的决策支持,具有宝贵的研究价值和可拓展的实践前景。本文的研究内容基于合胜零售业商务智能解决系统(MRBIS),研究与改进面向增量数据和最小支持度同时变化的关联规则增量更新算法。另外,当前对负关联规则的增量更新算法的研究相对较少,但其对零售企业的销售决策有重要价值,因此,在对负关联规则挖掘知识归纳和总结的基础上,对负关联规则的增量更新算法进行研究与改进。本文的主要工作如下：(1)关联规则增量更新算法往往是研究最小支持度变化或者增量数据的情况,本文对于最小支持度和增量数据同时变化的情况,提出一种高效的算法FIM_AIUA,其修改了FIM算法的参数,并且重写了AIUA算法中的函数,在更正My_IUA算法错误的同时,提升了算法的效率,能更为高效地解决最小支持度和增量数据同时变化时的关联规则增量更新。(2)关联规则增量更新算法只需要找出更新后事务数据库的频繁项集,虽然频繁项集中也包含负关联规则,但是负关联规则却更多地出现在非频繁项集中,因此在解决负关联规则的增量更新时,要找出更新事务数据库中所有的频繁项集和非频繁项集。本文提出两种不同的负关联规则更新算法NAIUA和NIUA_NAIUA。算法NAIUA是将AIUA算法拓展到负关联规则增量更新上,以解决最小支持度变化时负关联规则的增量更新。算法NIUA_NAIUA,将算法(?)IUA和NAIUA进行拓展,以解决最小支持度变化和增量数据同时变化时负关联规则的增量更新。(3)本文的项目背景是合胜零售业商务智能解决系统(MRBIS),将提出的三种关联规则增量更新算法应用其中,更新正负关联规则,并且,选取其中的POS交易数据,进行算法效率实验,分析实验结果,提升系统增量更新关联规则的效率。