数据挖掘算法研究与实现
2.3万字 58页 包括外文翻译及代码，原创作品，通过查重系统
摘 要
随着互联网的普及以及科技的进步，越来越多新技术在不断地涌现出来，云计算、大数据等词汇开始不断地出现在我们周围，给我们的生活与学习带来了巨大的改变。大数据这一话题被广大人群所认识并接受，伴随智能机等可移动设备的涌现，我们的各种时间、空间等信息都转变成了可以被存储和挖掘的数据。如同英国Viktor Mayer-Schönberger在他的畅销著作《大数据时代》里所描述的那样，面对海量的数据，我们看到的仅仅只是冰山一角，当我们深入其中时，才会发现隐藏在冰山下面更广阔的信息。数据挖掘作为发掘数据价值的驱动力，在这个海量数据的时代应运而生。如同一个问题的正反面，数据与数据挖掘可以看做是问题与方法的关系。通过对大数据进行数据挖掘，得出可靠的规则与模型，从而为决策作出更加精确的评判，使数据的隐藏价值得以更好的利用。
数据挖掘作为一门正在被广泛研究与探讨的学科，其许多有价值的算法被传承下来，例如在2006年12月被国际权威学术组织——数据挖掘国际会议ICDM（the IEEE International Conference on Data Mining）——评选出的数据挖掘领域十大经典算法等。本次毕业设计中，我们挖掘的对象主要是图像数据，因此需要对该种数据进行处理，从而得到可以用Apriori算法进行挖掘的数据格式。而对于图像数据的提取分类等，不在本论文进行深入讨论，本次毕业设计所使用的图像数据是由相关研究生学长学姐提供，本论文就十大算法之一的Apriori算法进行深入研究并实现其具体算法，并尽可能用该算法挖掘出所给的图像数据的频繁项集，从而做出后续的分析。Apriori算法作为关联规则频集挖掘的经典算法之一，是一种单层次、单维度、布尔类型的关联规则挖掘算法，其中，我们把支持度小于用户所给定支持度的项集叫做非频繁项集，大于等于用户给定支持度的项集叫做频繁项集，即频集。本文对已获得的图像数据进行数据挖掘，得出图像数据的频繁项集，通过相关软件工具LIBSVM进行分析，从而得出Apriori算法的挖掘精度，并通过与另一种图像数据的处理方式，即BoF模型，进行比较，得出它们之间在处理图像数据时精确度的高低，从而为以后其它关于图形数据挖掘的研究做出参考。
关键词：大数据；数据挖掘；关联规则；Apriori算法
