发信人: eday (idea), 信区: Energy
标  题: 清华挑战杯作品9(转寄)(转载)
发信站: 哈工大紫丁香 (2000年11月18日20:31:36 星期六), 转信

【 以下文字转载自 eday 的信箱 】
【 原文由 eday 所发表 】
【项目名称】 基于关联规则的数据挖掘工具
【第一作者】 张辉 （计研52）
【其他作者】 黄刚 （已毕业）
【指导教师】 田金兰 
【项目简介】
一、研究背景
     目前的数据库系统可以高效地实现数据的录入、查询、统计等功能，但无法发现数据
中存在的关系和规则。缺乏挖掘数据背后隐藏的知识的手段，导致了“数据爆炸但知识贫
乏”的现象。用数据库管理系统来存储数据；用机器学习的方法来分析数据，挖掘大量数
据背后的知识——这样的结合促成了KDD（Knowledge Discovery in Databases 数据库中
的知识发现）的产生。
二、关联规则简介
KDD是一个交互式、循环反复的整体过程，数据挖掘是其中最核心的部分，是采用机器学习
、统计等方法进行知识学习的阶段，数据挖掘算法的好坏直接影响到所发现知识的好坏。
在数据库的知识发现中，关联规则就是描述这种在一个事务中物品之间同时出现的规律的
知识模式。
三、PCMINER简介
     在数据挖掘技术日益发展的同时，许多数据挖掘的商业软件工具也逐渐问世，其中不
乏优秀，但这些数据挖掘工具并不一定就能够很适合于在中国推广。相对来说，我们认为
这些数据挖掘工具在中国推广有下列局限性：
     一、在数据处理上不一定能够满足中国用户的需要。二、现在的数据挖掘工具的价格
较昂贵。三、大多数数据挖掘工具运行在大型服务器上，国内的很多单位没有资金配备这
些设备，因此需要一个微机上的工具。
基于以上原因我们开发了一个用于微机上的数据挖掘工具PCMiner。开发语言选择标准C语
言，开发的工具中的核心算法部分都是用标准C语言编写的，主要考虑到标准C语言比较灵
活，而且通用性好，易于移植。开发工具选择Microsoft 的 Visual C++，这是目前在微机
上开发C语言程序的首选开发工具。开发的硬件环境是：Pentium MMX 166，32 M SDRAM。
实现了关联规则的发现，数据结果的三维图象输出。
通过对保险数据进行关联规则发现，并与SGI公司的Mineset比较，我们对PCMiner进行了性
能评测。主要评测两个方面的性能：
1.准确性
通过对不同数据量的数据做不同要求的关联规则的发现，两个软件的输出结果（包括发现
的满足条件的关联规则的数量、每条关联规则的各个属性值）都是一致的，说明PCMiner的
运行结果是完全正确的。
2.速度
为了充分测试软件的速度，对几个级别的数据量的数据进行处理，共有五组数据，分别含
有5,000、10,000、20,000、200,000、1,000,000条记录。对每组数据进行三种不同要求的
关联规则发现：单路关联规则、最大路数为3的关联规则、最大路数为4的关联规则。
     通过对结果的分析，我们发现PCMiner结果可靠，性能稳定。在此基础上我们还实现
了数据库接口、可视化输出。但这只是我们在开发数据挖掘工具方面的一个初步研究，还
有许多期待改进的地方，PCMiner还需要不断的完善

--
※ 来源:．哈工大紫丁香WWW bbs.hit.edu.cn. [FROM: 202.118.234.150] 
--
※ 转寄:．哈工大紫丁香 bbs.hit.edu.cn．[FROM: 202.118.237.18]
--
※ 转载:．哈工大紫丁香 bbs.hit.edu.cn．[FROM: 202.118.237.18]