论文部分内容阅读
关联规则是数据挖掘研究的重要内容之一，从概念上来说，基于某些约束条件挖掘关联规则的方法能减少挖掘过程中的计算量，减小挖掘结果的规模并使其更具针对性，因而具有重要的现实意义。
论文讨论了一些经典的关联规则挖掘算法，并分析了它们的特点。在此基础上，针对FP算法的不足之处，设计并实现了一种基于约束划分的模式树挖掘算法。新算法利用质数分解思想，先把数据库中的项转化为相应的质数乘积，然后建立各部分的质数乘积树，并通过挖掘该树得到对应的局部频繁模式，最后合并各部分的局部频繁模式得到全局频繁模式。理论分析和仿真测试结果证明该算法是有效的。应用新算法对某校学生选课情况进行了分析，得到了一些有意义的结论。