|
摘要 数据挖掘，在人工智能领域，习惯上又称为数据库中的知识发现(Knowledge Discovery in Database, KDD)， 也有人把数据挖掘视为数据库中知识发现过程的一个基本步骤。知识发现过程由以下三个阶段组成：数据准备，数据挖掘，结果表达和解释。数据挖掘可以与用户或知识库交互。 并非所有的信息发现任务都被视为数据挖掘。例如，使用数据库管理系统查找个别的记录，或通过因特网的搜索引擎查找特定的Web页面，则是信息检索（information retrieval）领域的任务。虽然这些任务是重要的，可能涉及使用复杂的算法和数据结构，但是它们主要依赖传统的计算机科学技术和数据的明显特征来创建索引结构，从而有效地组织和检索信息。尽管如此，数据挖掘技术也已用来增强信息检索系统的能力。 本论文通过构造MDFP树，再进行精简MDFP树，从多数据库中获取极小兴趣非频繁项集，最后得到产生全局负关联规则。本论文实现了构建MDFP数的算法，获得全局负向关联规则。 关键字：数据挖掘，关联规则,MDFP树算法，负向关联规则 目 录 摘 要 I ABSTRACT II 目 录 III 第1章 概 述 1 1.1课题的背景及意义 1 copyright paper51.com 1.2国内外研究动态 1 1.3课题分析 2 1.4研究目标 2 1.5研究内容 3 1.6 研究方法和手段 3 第2章 系统实现主要技术 5 2.1技术方案选取 5 2.1.1 开发语言 5 2.1.2 开发模式选择 6 2.2系统设计开发工具和环境分析 7 2.2.1 JAVA技术简介 7 2.2.2 MyEclipse简介 7 2.2.3数据库Mircrosoft SQL Server 2000 8 2.3 C/S开发模式 9 2.4开发框架技术 10 2.4.1JAVA绘图技术 11 第3章 系统需求分析 13 3.1性能需求分析 13 3.2可行性需求分析 14 3.2.1 经济可行性 14 3.2.2技术可行性 14 3.2.3管理可行性 14 3.2.4运行可行性 15 3.2.5.法律可行性 15 3.3 产品质量需求分析 15 第4章 负向关联规则数据挖掘软件总体设计 16 4.1系统结构设计 16 第5章 系统详细设计及实现 23 5.1 开发环境及配置 23 5. MYECLIPSE 6.5安装 24 5.3 系统模块实现 25 5.3.1 获取有趣数据项集 25 5.3.2 构建MDFP树 26 5.3.3 获取极小兴趣非频繁项集 26 5.3.4获取负相关联规则 26 5.3.5 绘制负向关联规则 27 内容来自论文无忧网 www.paper51.com 5.3.6 设置最小支持度和最小置信度 27 第6章 系统测试 31 6.1 系统测试的目的 31 6.2 系统测试的方法 31 6.3 负向关联规则数据挖掘软件的测试 32 6.3 发现的问题及解决方法 33 结 论 34 参考文献 35 致 谢 36  |