1、該文通過在學(xué)生信息管理系統(tǒng)中的具體實踐和運用,對多維關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)進行了探索,實現(xiàn)了基于多維頻繁項集進行多維關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘的一種實用高效的方法,并建立了一個高效的學(xué)生信息關(guān)聯(lián)規(guī)則挖掘系統(tǒng).對于群體的特征與行為的數(shù)據(jù)挖掘是關(guān)聯(lián)規(guī)則挖掘的一種重要的也是復(fù)雜的挖掘方向.例如在學(xué)生系統(tǒng)中的學(xué)生個體自然信息與他們的選課行為傾向之間的關(guān)聯(lián)傾向,商業(yè)領(lǐng)域中的顧客基本信息與購買傾向也屬于這類情況.許多通用的數(shù)據(jù)挖掘工具,基于對更通用的挖掘需要的

2、考慮,而沒有能對上述的挖掘需求給予足夠的滿足.該文中基于多維的頻繁項集的挖掘算法主要分為兩個步驟.第一步是對群體特征進行維間關(guān)聯(lián)規(guī)則挖掘,該文中借助數(shù)據(jù)立方體工具實現(xiàn)這一過程.第二步是求基于多維的頻繁項集的算法的實現(xiàn)及關(guān)聯(lián)規(guī)則生成.這時需要以第一步生成的多維規(guī)則結(jié)果為約束條件,對群體行為的關(guān)聯(lián)傾向進行挖掘.該文中對基于多維的頻繁項集的算法進行了探索和算法優(yōu)化,尤其是通過采用了維搜索和散列的技術(shù)方法而使得系統(tǒng)的挖掘性能大大提高.同時通過在