基于关联规则的数据挖掘算法

摘 要 在数据挖掘技术中，基于关联规则的数据挖掘算法是较为重要的一个课题，是我国信息技术领域的热门研究课题。基于此，本文从数据挖掘算法入手，对基于关联规则的数据挖掘算法进行了分析，将这一算法的原理作为基础，提出了提高数据挖掘算法概率的改进措施，意在提高数据挖掘算法的处理效果，使其应用于更多领域中。

【关键词】关联规则 数据挖掘算法 反馈机制

在基于关联规则数据挖掘算法中，有很多算法，比如Apriori算法、完全频繁项集挖掘算法以及Patition算法等。但是这些算法需要大量的候选集，导致数据挖掘的效率比较低。近些年来，很多研究学者都对数据挖掘算法效率的提升进行了分析研究，也取得了一定的成效，然而就改进的数据挖掘算法来说，存在着各自的优缺点。因此，仍旧需要加强对数据挖掘算法的分析和研究。

1 数据挖掘算法概述

作为一种先进的信息处理技术，数据挖掘技术具有非常高的商业价值，该技术可以帮助人们改变传统的联机查询，而是将数据的应用提升到决策分析预测等方面。常用的数据挖掘技术主要包括规则归纳、支持向量、模糊集以及统计方法这四个特点。数据挖掘技术应用的挖掘方法非常多，比如，当代数学分析法、证据理论法、神经网络发以及遗传算法等；数据挖掘技术的使用对象也比较广泛，比如，空间数据库、事态数据库、多媒体数据库以及遗产数据库等。

2 基于关联规则的数据挖掘算法分析