刘亚波[1]2005年在《关联规则挖掘方法的研究及应用》文中进行了进一步梳理本文在数据挖掘研究和关联规则挖掘研究背景下,展开了对关联规则挖掘方法的研究及应用工作,重点研究了关联规则最大频繁项目集、有序模式、用户关联和支配关联规则的挖掘方法及应用等问题,具体包括:(1)对数据挖掘技术,特别是关联规则挖掘技术研究进行了全面综述;(2)关联规则最大频繁项目集发现的问题的研究,提出了采用改进集合枚举树描述项目集、结合双向搜索策略、利用非频繁项目集对候选最大频繁项目集进行剪枝的快速发现最大频繁项目集的算法。(3)挖掘和应用有序模式问题的研究,将关联规则频繁模式的概念扩展到有序模式问题,给出了有序模式的挖掘方法,进而提出并实现了应用有序模式进行数据清洗的方法;(4)推荐系统中挖掘用户关联规则问题的研究,提出并实现了基于两阶段计数的用户关联挖掘框架和算法;(5)挖掘和应用支配关联规则问题的研究,将关联规则的一般形式扩展到支配关联规则,给出了挖掘支配关联规则的方法,提出了应用支配关联规则进行未知标准值预测的方法。本文的研究结果在关联规则挖掘方面很有理论意义和应用价值。
李敬有[2]2007年在《基于数据挖掘技术的智能信息处理》文中研究表明在全球性的网络化、信息化进程中，信息过量成为人人需要面对的问题，也就为信息处理提出了新的要求。信息处理技术由查询、统计、分析方法学延伸和扩展到数据挖掘技术。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是当今国际上人工智能和数据库研究方面最富活力的新兴领域，其目标是为了满足用户需求，自动处理大量的原始数据，从中识别重要和有意义的模式，并将其作为知识加以表达。本文首先阐述了数据挖掘的基本概念及处理方法，论述了基于关联规则的Apriori算法及其改进的相关算法，研究了分类方法中的贝叶斯网络分类方法和判定树分类算法及聚类方法。然后将全国计算机等级考试、网络日志、大型超市的数据库作为数据源，以Bayesian网络的数据补全算法、基于关联规则的Apriori并行算法、基于分类的判定树归纳算法和基于聚类的K簇算法为基础，重点研究以上数据挖掘算法的改进以及对上述数据源的智能信息处理。成功地解决了信息处理中只能进行查询、统计等功能，而无法对数据中潜在有用的信息和知识进行提取的弊端。
何田[3]2008年在《基于粗糙集和概念格的关联规则挖掘研究》文中提出数据挖掘研究如何从大量的数据中智能地自动地抽取出有价值的知识和信息,是当前人工智能研究中非常活跃的研究领域。关联规则(Association Rules)挖掘是数据挖掘领域重要的研究分支。概念格与粗糙集都是有效的数据分析方法。粗糙集理论利用等价关系对数据表进行分类,能有效地处理模糊性和不确定性问题的数学工具,为数据挖掘提供了新的思路和基础。而概念格是基于数据表,结合序理论,尤其是完备格理论,进行概念分层讨论。它们之间的关系引起了许多研究者的关注。文章首先介绍了经典的关联规则挖掘算法,分析了需要进一步深入研究的问题:挖掘过程中需要重复多次扫描数据库;挖掘过程中产生大量候选项集;产生的规则数量过多。接着主要以上面叁个问题为突破口分别讨论了运用粗糙集、改进的概念格模型进行关联规则的提取,最后对二者的关系作进一步的探讨,并提出了粗糙概念格结构。主要内容及创新工作具体如下:1.Apriori算法优化:改进算法,缩小所需扫描的事务项集大小,并提出了一种简单的数据结构一树型结构来存储事务项集数据,使得算法在数据集量巨大时,性能得到有效提高。2.结合粗糙集理论,推导出“多属性不可分辨类”的性质。然后根据这个性质,提出了一种新的关联规则挖掘算法,该算法仅需扫描一次数据库,改善了现有的挖掘算法由于多次扫描数据库而导致时间效率低下问题。同时针对产生的规则数量过多问题,提出了基于规则约束和加权支持度的双变量约束关联规则挖掘,只对与约束条件有关的项目进行处理。3.研究了基于剪枝概念格的关联规则挖掘求解和表示。提出顺序剪枝和同步剪枝概念格的构造方法。实验表明基于剪枝概念格挖掘关联规则,减少了关联规则的挖掘空间,提高了关联规则挖掘的效率。4.对概念格与粗糙集之间的关系作进一步的探讨,并且证实粗糙集的一些概念包括等价类,上、下近似等都可以通过概念格来表示。提出了粗糙概念格RCL,采用粗糙集上、下近似集,描述概念格中内涵所拥有的外延,这种概念格结构体现了对象与特征间的确定与不确定两种关系。
刘寒冰[4]2007年在《数据挖掘中的关联规则算法研究》文中研究表明目前,关联规则作为数据挖掘领域中一个非常重要的研究课题,己经取得了令人瞩目的成绩,但在实际应用中,随着数据库规模逐渐增大,出现了随着数据量递增而算法挖掘效率下降的问题,具有应用局限性。因此,必须研究和改进现有的算法,使其具有更高的效率和更广阔的应用前景。本文着重对关联规则挖掘算法进行了研究,在现有算法的基础上,提出两个适应性较强的高效挖掘算法。首先,研究了关联规则中经典的Apriori算法及其改进算法。为了解决这些算法在候选项目集和执行时间方面存在的问题,结合关联规则的性质和布尔向量的关系运算思想,提出了基于布尔矩阵的关联规则挖掘算法(Algorithm Based on Boolean Matrix,简称ABBM)。该算法在挖掘过程中仅扫描数据库一次,而且不产生候选项目集,从而减少了生成频繁项目集的时间开销,提高了算法效率,达到了算法改进的目的。其次,研究了经典的关联规则增量式更新挖掘算法及其优化算法。针对在最小支持度、最小置信度不变的情况下,新增数据集时关联规则更新效率低的问题,提出了一种高效的关联规则增量式更新挖掘算法(High-Efficient Incremental Updating,简称HIUP)。该算法采用AprioriTidList算法来发现新增数据集中的频繁项目集,并通过有效的优化策略对候选项目集进行分类和剪裁,从而减少了候选项目集的数量和扫描新增数据集的次数,提高了算法的更新效率。为了验证算法的性能,本文分别采用合成数据库和真实数据库对提出的新算法及其同类算法进行了对比测试。试验结果表明,ABBM、HIUP算法在效率上明显优于同类算法,而且挖掘的数据量越大,算法效率越高,具有较好的可扩展性和较广阔的应用前景。
王晗[5]2016年在《住宅室内环境对儿童哮喘的健康风险评估》文中进行了进一步梳理近些年来,随着儿童哮喘患病频发,室内环境对儿童健康问题的危害愈发显着。本博士论文围绕住宅室内环境与儿童哮喘,采用问卷调查和动物实验的研究方法,通过传统统计分析和关联规则数据挖掘技术综合分析了住宅室内环境因素单独作用和联合作用下儿童哮喘健康指标的患病风险,定量评估了气态甲醛对哮喘主要病理学指标的影响,建立了科学有效的住宅室内环境健康评估模型。首先,本研究参考国外室内环境与健康领域成熟的研究体系,结合我国的社会经济背景和环境污染特征,设计完成了在国内普遍适用的调查问卷,建立了科学系统的问卷调查研究方法。在问卷调查过程中,本研究以分阶段的概率抽样调查选取研究对象,以试调查验证问卷内容和实施方案,以严格的质量控制措施保证调查数据质量,最终共获得5299份有效问卷,收集了我国住宅室内环境与儿童哮喘的第一手基础资料。本研究选取长期居住在调查住所的2917名儿童作为本博士学位论文的研究对象,采用双变量的卡方检验和多变量的逻辑回归模型,剔除已知非环境类因素的混淆作用,明确了单独作用下显着影响儿童哮喘健康指标(喘息症状、干咳症状和确诊哮喘)的住宅室内环境危险因素。结合文献分析,初步识别了可能影响儿童哮喘健康指标的住宅室内环境客观污染参数。然后,本研究将关联规则数据挖掘技术应用到住宅室内环境多因素联合作用下儿童哮喘健康指标患病风险的评估过程中,以传统的支持度-可信度框架为基础进行住宅室内环境因素与儿童哮喘健康指标的关联规则挖掘,结合研究目的通过对数据挖掘规则进行主观度量实现关联规则的初步筛选,采用作用度、PS值和匹配度叁个客观评估指标实现规则的最终保留,采用卡方检验和兴趣度检验对保留规则进行统计显着性和现实关注度的验证,最终获得显着影响儿童喘息症状、干咳症状和确诊哮喘患病情况的住宅室内环境双因素和叁因素组合,实现了住宅室内环境多危险因素联合作用下儿童哮喘及相关症状的健康风险评估。随后,本研究基于传统统计概率模型和关联规则数据挖掘技术获得了住宅室内环境危险因素或组合,以(作用度-1)作为健康风险水平的衡量指标,建立了住宅室内环境因素-健康风险关系模型。以关系模型为核心,本研究建立了住宅室内环境健康风险评估模型,该评估模型采用评估问卷通过调查对象对室内环境的自我报告和气味刺激的主观感知获得评估数据信息,以住宅室内环境因素-健康风险关系模型为评估准则进行住宅室内环境健康危险因素或组合的识别。同时,本研究通过实际案例的应用效果分析,发现该评估模型可以准确有效的实现特定室内环境条件下的健康危险因素识别,对现阶段住宅室内环境的改善有着积极的指导意义和广泛的现实价值。最后,在识别的住宅室内环境客观污染参数中,本研究选取甲醛作为典型代表,对其在哮喘发作过程中的易化作用进行了定量评估。本研究采用成熟的哮喘动物模型,通过不同气态甲醛暴露剂量下实验小鼠慢性过敏性炎症指标、气道高反应性和肺组织病理学改变特征方面的测定对比,发现气态甲醛暴露浓度为3mg/m3时,暴露时间为60分钟、90分钟和120分钟的甲醛实验组和OVA对照组的慢性过敏性炎症指标存在显着差异,随着暴露剂量的升高差异显着性也会增加,气道高反应性和肺组织染色切片的相关指标充分验证了这一变化,肺组织染色切片嗜酸性粒细胞和杯状细胞的形态学对比也直观的展示了高水平甲醛暴露剂量对哮喘发作的易化程度。随后,本研究参考国外成熟的环境健康风险评价体系,提出了儿童通过呼吸道暴露在中期暴露周期内,OVA过敏原刺激哮喘发生的易化水平和严重程度无显着变化的甲醛最小风险暴露剂量为0.00094mg/m3,即儿童的日暴露剂量为0.00094mg/m3时,在OVA致敏作用下儿童哮喘发作的易化程度和严重水平不会显着变化。本研究在全面总结分析国内室内环境与儿童哮喘领域研究存在问题的基础上,定性识别和定量分析了住宅室内环境对的儿童哮喘的健康风险,建立了适宜于我国相关领域的问卷调查研究体系和切实可行的住宅室内环境健康风险评估模型,基于儿童哮喘提出了甲醛最小风险剂量水平,为国内相关领域的研究提供了可靠的理论指导和技术基础。
官晖[6]2008年在《基于分类关联规则的仲景方挖掘研究》文中认为张仲景所着《伤寒杂病论》,被后世拆分为《伤寒论》与《金匮要略》两书,该书从理论和实践的高度开创了六经辨证的先河,确立了祖国医学辨证与辨病相结合的完整诊疗模式,其书中方剂配伍严谨、疗效卓着,被后世尊奉为经方。而数据挖掘是近年来随着数据库技术的成熟和计算机存储技术的新发展而出现的一门新兴学科,它能解决现今社会“数据丰富而信息贫乏”的矛盾,因此利用数据挖掘技术开展中药复方研究,特别是“经方”研究,是一个有着非常美好前景但又充满挑战的方向,同时对于证明和阐述仲景学术思想,促进中医学基础理论及中医药方法学研究,带动中医药整体学术水平提高,扩展中医药生存空间等都会产生巨大推动作用。本研究以《伤寒论》与《金匮要略》两书中的方剂信息为数据源,构建包括ID、方名、出处、功效、主治、药物组成等字段的仲景方数据库;依据中医基础理论中的八纲、脏腑、六经辨证等理论以及仲景方自身的特点进行按方剂所治疾病的病性、病位、病势及方剂出处归类;并首创运用数据挖掘技术,特别是数据预处理技术,将仲景方数据进行进一步的清理、集成、变换、归约,以达到消除方剂空缺值、重复值,药物同物异名、同名异物的目的,并使之成为符合数据挖掘所需的数据;最后运用分类关联规则算法,对标准数据进行分析,以发现其中隐藏的知识。结果显示:张仲景在治疗疾病时多根据所治疾病的病性、病位、病势选择药物,而其中有些药物的配伍使用是张仲景在治疗不同疾病时的特殊见解,如治疗寒证多用五味子、细辛、桂枝、麻黄等辛热之品配伍;治疗病位在表的疾病多用麻黄、杏仁、甘草等药物配伍;治疗太阳病多选用桂枝、生姜、甘草、大枣、大黄等配伍;治疗六淫疾病多用桂枝、大枣、麻黄、白芍、人参、黄连、半夏、杏仁、栀子等配伍。综上,通过运用数据预处理及分类关联规则算法对仲景方进行挖掘研究分析,说明数据挖掘技术不仅能很好地应用于“经方”的研究中,而且能有效地发现隐藏在仲景方大量数据背后的知识,这些知识不仅能丰富中医基础理论,更能指导中医临床的潜方用药,加速中医药知识更新的步伐。同时通过本项研究,我们得出数据挖掘作为一种高级的信息处理技术,能在一定程度上帮助人们发现和认识中医药特别是中医复方中隐藏的模式和规律的结论。
罗可[7]2004年在《数据库中数据挖掘理论方法及应用研究》文中提出数据挖掘是目前数据库和信息决策领域最前沿的研究方向之一。本文研究数据库中数据挖掘，主要包括以下内容： 1 介绍了数据库和数据挖掘技术的发展动态，讨论了数据挖掘技术的研究现状、存在的不足和发展方向。分析了海量数据库产生的原因和特点。讨论了适于在海量数据库中进行数据挖掘的算法的基本特征，即算法应该具有线性计算复杂度O(n)。 2 对挖掘关联规则的算法进行了研究。首先，我们分析了Apriori算法的某些不足；随后，我们提出了一种基于Apriori的改进算法，新算法在某些场合能减少扫描数据库的次数，提高了算法的效率；随后，我们又提出了一种基于事务树的高效算法，用该算法挖掘频繁项目集只需要一次扫描事务数据库，不需要产生候选项目集，该算法的速度大约是Apriori算法的10倍；最后，我们提出了一种用Visual FoxPro实现Apriori算法的方法。 3 对关联规则的衡量标准进行了研究，指出了原衡量标准和若干改进方法的不足。目前，关联规则常用的衡量标准是支持度和置信度，如果按现有标准来生成关联规则，可能会发现大量冗余的、虚假的关联规则。为了减少关联规则挖掘中的无效关联规则，我们分析了产生问题的根源，提出了叁种改进方法，即在关联规则的衡量标准中增加影响度、相对置信度或有效度标准，并分别定义了影响度、相对置信度和有效度。根据影响度、相对置信度或有效度的大小，将强关联规则分为正关联规则、无效关联规则和负关联规则。一般来说，只有正关联规则才是有效的关联规则，有时，它们只占强关联规则总数的一小部分。此外，我们提供了用新衡量标准进行关联规则挖掘的改进算法，并进行了实验。实验表明，我们提出的方法能明显减少无效的关联规则。 4 对目前比较优秀的各种分类算法进行了介绍、分析和比较。综合提出了分类算法的评价标准。随后，我们讨论了SPRINT算法。针对SPRINT算法的不足，提出了二种处理离散属性的新方法。这些方法能明显减少求最优分割点的运算量，提高算法的执行速度。最后，我们提出了一种基于抽样的快速数据分类算法。该算法既是可伸缩的，也可并行化。实验表明，该算法的速度是SPRINT算法的10-50倍。 5 介绍、分析和比较了各种常用的聚类方法，综合提出了聚类算法的评价标准和今后的研究方向。随后，在分析BIRCH算法不足的基础上，提出了一种基于抽样的聚类算法。测试结果表明，该算法在聚类速度方面明显优于BIRCH算数据库中数据挖掘理论方法及应用研究法。 6为了提高数据挖掘的效率，提出了采用约束和多维技术的方法进行数据挖掘。分析了数据挖掘中可能的约束类型，用关联规则挖掘讨论了哪些约束可运用于数据挖掘过程中。设计出了一个采用约束与多维技术的数据挖掘系统结构。 7讨论了数据挖掘技术在电力系统中应用，重点研究了最优潮流问题的高效算法。我们根据电力系统的特点，把无功界约束与一般非线性不等式约束分开来考虑，提出了一类投影渐近半光滑Newton型算法，实验表明，我们提出的算法具有良好的计算性能。关键词:数据库;数据挖掘;关联规则;分类;聚类;算法八
王果[8]2007年在《基于时序逻辑的关联规则挖掘方法的研究》文中研究指明随着计算机信息系统的日益普及,大容量存储技术的发展以及条形码等数据获取技术的广泛应用,人们在日常事务处理和科学研究中积累了大量的各种类型的数据。在这些保存的数据中,其绝大部分都是呈现时间序列类型的数据。所谓时间序列类型数据就是按照时间先后顺序排列各个观测记录的数据集。时间序列在社会生活的各个领域中都广泛存在,如金融证券市场中每天的股票收盘价格;商业零售行业中,某项商品每天的销售额;气象预报研究中,某一地区的每天气温与气压的读数以及在生物医学中,某一症状病人在每个时刻的心跳变化等等。应该注意到时间序列不仅仅是对历史事件的记录,随着时间推移和时间序列数据的大规模增长,如何对这些海量的时间序列进行处理,挖掘其背后蕴涵的价值信息,这对于我们揭承事物发展变化的内部规律,发现不同的事物之间的相互作用关系,为人们正确认识事物和科学决策提供依据等等,都具有重要的现实意义。因此,有关时间序列关联规则挖掘的研究一直以来都受到广泛地重视,成为一个具有重要理论和实用价值的热点研究课题。本文是将时序逻辑和数据挖掘的知识有效的结合在一起。针对上述问题对基于时序逻辑的关联规则挖掘方法展开研究。提出了基于时间序列的关联规则的趋势预测方法,针对同事物同属性和不同事物同属性两种情况,提出对应的时序关联规则挖掘算法:从时间序列集U'中挖掘出来最大的上升和下降的子时间序列的长度;从时间序列集U'中挖掘出来长度为k的上升和下降的子时间序列的个数;给出基于时序逻辑的同事物同属性的关联规则的置信度和支持度的计算方法;提出通过挖掘子时间序列中频繁出现的属性状态信息建立时序关联信息树的算法。即首先找出时间序列集上的频繁1—属性状态,然后用这个集合中的元素做树根,分别建立时序关联信息树。时序关联信息树是以频繁1—属性状态集中的元素作为时序模式的导出属性状态建立的,树的分支是由在长度为k的子时间序列中频繁出现在树根元素之前的频繁项及其出现的相对时间段构成,然后在这—基础上给出了基于时序逻辑的不同事物同属性的关联规则的置信度和支持度的计算方法,并针对不同对象相同属性下的时序关联规则提出规则缩减原则。随着当今数据采集和存储技术的不断发展．数据库中存储的数据量急剧增加，数据库的规模也因此变得越来越庞大。人们发现自己己不再是缺少信息，而是被信息海洋所淹没。数据挖掘(DM,Data M-ming)能为决策者提供重要的、极有价值的信息或知识，从而产生不可估量的效益。因此，越来越多的大中型企业开始利用数据挖掘来分析公司的数据以辅助决策，数据挖掘正逐渐成为市场竞争中立于不败之地的法宝．它是从大量的、不完全的、有噪声的、模糊的，随机的数据中提取隐含在其中、人们事先不知道的但又是潜在的有用信息和知识的过程。特别要指出的是，数据挖掘技术从一开始就是面向应用的，这样一来．就把人们对数据的应用。从低层次的末端查寻操作提高到为各级经营决策者提供决策支持的高度上来。如何分析数据并从中挖掘出有用的知识是一项既费时又难于进行的工作．通常，对于特定领域的数据挖掘需要有一定的背景领域知识．并在此基础上采用某种有效工具从数据集中获取更多的隐含的、先前未知的并具有潜在价值的知识。这种挖掘在工业过程控制、医疗诊断、股票分析、水文气象等领域尤显重要．因为这些领域的数据有一个共同的特点，即它们都记录了某个领域的时间序列信息，且信息量特别巨大，如果没有合适的挖掘手段则势必给以后的决策和新数据的预测带来困难．时间序列数据的出现使得有必要针对这一特殊数据类型的挖掘给出相应的策略，以便发现在某段时间内连续记录的某属性序列值的变化规律．以及它的变化给其它属性值所带来的影响．近些年来，随着粗糙集理论的研究深入，它已被广泛地应用于数据库中的知识发现、智能控制、机器学习、决策分析、专家系统以及模式识别等众多领域。本文首先对数据挖掘进行了详细的概述．并介绍了当前数据挖掘的常用技术：如决策树方法、遗传算法和进化理论、神经网络方法、贝叶斯分类方法、模糊集方法、粗糙集方法和类比学习等方法。并列出了数据挖掘的一些成功的应用；接着介绍了数据挖掘中最活跃的研究方向关联规则的挖掘，对其主要算法进行了描述和分析：最后具体地介绍了关联规则中的时序关联规则的挖掘，并对一些时序关联规则挖掘算法进行了比较分析。
王曙燕[9]2006年在《医学图像智能分类算法研究》文中研究表明医学图像的数据挖掘旨在从海量的图像数据中挖掘出有效的模型、关联、规则、变化,以加速医生决策诊断的过程和提高其决策诊断的准确度。本文是在参与实施国家自然科学基金项目“基于医学图像的数据挖掘技术研究”的过程中,针对医学图像数据挖掘所涉及的一些关键技术和主要算法进行了深入的研究。提出了适合乳腺图像的预处理、特征的提取和选择以及分类算法,研究成果可应用于计算机辅助诊断系统中。主要工作和创新点在以下几个方面: 1.本文将数据挖掘技术与数字图像处理技术有机结合,研究了图像数据的变换、特征提取、约简和模式分类,提出了适用于医学影像数据挖掘的技术路线和理论框架。 2.建立了一套比较完整的可以表征乳腺图像各方面特性的特征矢量。在这些特征上进行数量型数据的离散化,并利用模糊聚类算法来进行特征优选,为肿瘤良/恶性计算机辅助分析提供了前提和基础。 3.研究了决策树分类算法,引入了“属性重要度”的概念,对决策树算法进行改进。提出了用决策树算法进行乳腺X线照片分类的方法,对乳腺癌典型病例数据进行分类,得到了较高的分类准确率。 4.研究了关联规则算法,以及关联规则分类的方法。针对关联规则中计算规模较大的问题,采用扩展项的属性,添加项约束标记的思想,对Apriori算法进行改进。提出了用关联规则算法进行乳腺X线照片分类的方法。 5.将基于Rough集的方法用于图像特征降维,采用区分矩阵和区分函数实现属性约简。将基于Rough集的方法和关联规则分类技术相结合用于关联规则提取,提出了基于粒的二进制计算提取关联规则用于乳腺X线照片分类的方法,提高了处理的效率。
王琮凯[10]2014年在《基于关联规则的联通华盛通信有限公司新一代零售系统客户消费行为分析研究》文中研究说明随着经济的发展、相关政策的出台，中国的电信零售业正在发生变化，客户需求日益差异化、个性化，买方市场也逐渐形成。在这种背景下，本文结合联通全资子公司联通华盛的新一代销售管理系统，研究了客户关系管理的相关理论，探讨了关联规则在客户相关消费规律中的应用。本文依据公司销售交易数据系统的数据特性进行数据分析，进行数据清洗等数据预处理工作。在算法的选取上，首先对经典算法给出相关的介绍，其次借助Matlab工具仿真分析比较了各类相关算法的性能。本文运用Weka3.7.4专业数据挖掘建模软件对预处理完毕后的企业销售交易数据进行分析建模，然后选取合适的关联规则算法分析预处理后的销售数据，最终得到销售数据的关联规则。最终得到的关联规则具有一定的现实意义和实施价值，有益于帮助联通华盛公司做出合适的营销策略。由于目前大部分关于关联规则的研究集中于利用经典算法对用户办理套餐进行单维的数据关联分析，由于数据结构及算法上的复杂性，关于多个属性的多维数据的关联规则挖掘在电信服务行业中的应用研究比较少。本文建立多维关联规则挖掘模型，为优化公司的资源配置、更好地做好用户的个性化服务、实现电信企业决策提供依据。
参考文献：
[1]. 关联规则挖掘方法的研究及应用[D]. 刘亚波. 吉林大学. 2005
[2]. 基于数据挖掘技术的智能信息处理[D]. 李敬有. 哈尔滨工程大学. 2007
[3]. 基于粗糙集和概念格的关联规则挖掘研究[D]. 何田. 华中师范大学. 2008
[4]. 数据挖掘中的关联规则算法研究[D]. 刘寒冰. 河北工程大学. 2007
[5]. 住宅室内环境对儿童哮喘的健康风险评估[D]. 王晗. 重庆大学. 2016
[6]. 基于分类关联规则的仲景方挖掘研究[D]. 官晖. 福建中医学院. 2008
[7]. 数据库中数据挖掘理论方法及应用研究[D]. 罗可. 湖南大学. 2004
[8]. 基于时序逻辑的关联规则挖掘方法的研究[D]. 王果. 云南师范大学. 2007
[9]. 医学图像智能分类算法研究[D]. 王曙燕. 西北大学. 2006
[10]. 基于关联规则的联通华盛通信有限公司新一代零售系统客户消费行为分析研究[D]. 王琮凯. 南京邮电大学. 2014
标签：计算机软件及计算机应用论文; 数据挖掘论文; 关联规则论文; 时间序列论文; 大数据论文; 数据挖掘算法论文; 相关性分析论文; 分类数据论文;