基于正负项目及多支持度的关联规则挖掘算法研究的中期报告.docx

基于正负项目及多支持度的关联规则挖掘算法研究的中期报告
一、研究背景及意义
随着大数据时代的到来，数据的获取和存储成为了相对容易的事情，而如何从大数据中挖掘出有价值的信息则成为了新的挑战。泛指在数据集中发现相关性、事件、关联或因果关系等非显而易见模式的数据挖掘技术，即关联规则挖掘技术，是在大数据时代中广泛运用的一种技术，其可以被应用于商品推荐、市场营销、网络安全等多个领域。本研究基于正负项目及多支持度的关联规则挖掘算法，旨在解决传统关联规则挖掘算法的不足之处，提高关联规则的准确度和可用性。
二、研究方案
本研究的研究方案可分为以下几个步骤：
1.数据预处理：将原始数据进行清洗、去噪、归一化等处理，得到可用于关联规则挖掘的数据集。
2.正负项目挖掘：根据得到的数据集，运用挖掘正负项目的方法，将数据集划分为正项和负项。
3.多支持度挖掘：为了提高关联规则的准确度和可用性，提出了基于多支持度的挖掘方法，即在原有的支持度基础上，对于关联规则的不同项，分别设置不同的支持度，以此提高关联规则的准确度。
4.关联规则生成：依据前面的正负项目和多支持度的挖掘结果，进行关联规则的生成。
三、研究进展和创新点
本研究目前已经完成了数据预处理和正负项目挖掘的部分，得到了可用于关联规则挖掘的正负项目数据集。同时，也提出了关于多支持度的挖掘方法，以此提高关联规则的准确度。本研究的创新点主要在于：1.基于正负项目的关联规则挖掘算法，可以有效减少挖掘出的无效规则；2.提出基于多支持度的挖掘方法，可以更好地运用关联规则挖掘于实际应用中。
四、研究计划和展望
接下来，本研究将完成多支持度挖掘和关联规则生成的工作，并对算法进行优化和调试，以提高算法的性能和可用性。未来，本研究将结合实际应用场景，对算法进行测试和验证，以此更好地应用于实际生产。同时，也将继续研究和探索关联规则挖掘算法的其他改进方法，为数据挖掘技术的发展做出更多贡献。