数据挖掘中若干类关键算法的研究

关联分析和分类是数据挖掘中两类重要的技术。关联分析广泛用于购物篮和事务数据分析，分类则在银行信贷风险分析、客户划分和故障诊断等领域都有广泛的应用。因其所处理数据的多样性和实际问题的复杂性，一直受到学术界和产业界的热切关注和广泛研究，因此深入研究关联分析和分类技术具有重大的理论意义与应用前景。本项目关注和聚焦关联分析和分类技术，主要研究内容包括：研究关联分析中非常重要的频繁项集挖掘算法，并深入研究数据集和项集的内存表示结构、尾项集的项排序策略、剪枝策略等技术、以及它们对算法效率和性能的影响，并考虑频繁项集挖掘的近似算法；以粗糙集和模糊集为基本工具，结合某些不确定信息处理理论，并借鉴已有的分类方法，研究分类中的属性离散化算法、属性选择算法和多种分类方法的融合。基于上述研究，实现一个高水平的数据挖掘原型系统，并针对某些典型应用领域进行应用研究。