質量管理決策支持系統(tǒng)中關聯(lián)規(guī)則挖掘算法的分析與實現(xiàn).pdf

1、隨著數(shù)據(jù)庫技術的不斷發(fā)展及數(shù)據(jù)庫系統(tǒng)在信息管理中的廣泛應用，數(shù)據(jù)庫中存儲的數(shù)據(jù)量急劇增大。如何從這些海量數(shù)據(jù)中發(fā)現(xiàn)知識，導致了知識發(fā)現(xiàn)和數(shù)據(jù)挖掘領域的出現(xiàn)。對數(shù)據(jù)挖掘技術的研究，國內外己經取得了許多令人矚目的成就，并成功地應用到了許多領域，但在質量管理領域中的應用并不廣泛。R.Agrawal等在1993年提出了關聯(lián)規(guī)則問題，它揭示事物之間的相關程度，現(xiàn)在關聯(lián)規(guī)則已經成為數(shù)據(jù)挖掘研究的重要方向。市場客戶反饋的產品質量信息中存在很多相關性問

2、題，可以用關聯(lián)規(guī)則挖掘方法對質量信息進行數(shù)據(jù)挖掘，發(fā)現(xiàn)其中的關聯(lián)規(guī)律，本文設計了質量管理決策支持系統(tǒng)體系架構，該結構的特點，是基于以關聯(lián)規(guī)則挖掘為途徑，以模型庫和知識庫為主體的決策支持系統(tǒng)。
　　在現(xiàn)有的關聯(lián)規(guī)則挖掘算法中，廣泛采用了“支持度—置信度”的評價標準。然而過去的一些應用發(fā)現(xiàn)，從一個數(shù)據(jù)庫中很容易產生大量規(guī)則，但其中的大部分對用戶來說可能是不感興趣的或者沒用的，甚至還可能引起誤導。為了解決這個問題，本文提出了增加興趣度的

3、閾值，并設計和實現(xiàn)了關聯(lián)規(guī)則挖掘子系統(tǒng)。當挖掘出一條關聯(lián)規(guī)則的支持度，置信度和興趣度同時大于最小支持度，最小置信度和最小興趣度閾值時，才被認為最有意義的模式。
　　關聯(lián)規(guī)則發(fā)現(xiàn)算法的主要問題是找出所有強項集，然后找出有效關聯(lián)規(guī)則。本文通過對基于支持度，置信度的關聯(lián)規(guī)則挖掘算法進行改進，設計出一個利用結構化查詢語句(SQL)對關系數(shù)據(jù)庫操作的簡便有效的關聯(lián)規(guī)則挖掘算法，并引入了興趣度的評價標準，從而挖掘出用戶感興趣的規(guī)則。在眾多的數(shù)