摘要:關聯規則挖掘是數據挖掘中的重要研究內容.分析了關聯規則增量式更新算法FUP算法的思想,指出算法的優缺點及改進算法,為增量式關聯規則挖掘奠定理論基礎.最后將該算法應用于大學生心理健康測評數據,從而使相關職能部門有效地制定大學生心理危機干預計劃、減少或消除危機.
關鍵詞:關聯規則;增量更新;FUP算法;心理健康
中圖分類號:TP311? 文獻標識碼:A? 文章編號:1673-260X(2019)01-0066-03
1 引言
在前期的研究中,我們采用統計分析和數據挖掘技術對大學生心理健康測評數據進行了分析,特別是針對強迫癥和人際關系敏感癥兩種高比例心理疾病,采用關聯規則Apriori算法對性別、來源地、家庭結構、獨生子女、學生干部、家庭月收入六個屬性和九個心理維度因子間的關系進行了挖掘,挖掘結果為相關職能部門開展大學生心理健康教育的規劃、決策提供了依據,效果顯著.可是隨著時間的推移,大學生心理健康測評數據越來越多,前期得到的關聯規則結果會發生改變嗎?顯然數據挖掘是一個動態的交互過程,如果繼續采用Apriori算法,則算法的效率非常低,同時浪費了以前挖掘出來的信息.采用增量式關聯規則算法對增長后的大學生心理數據進行挖掘勢在必行.
2 增量式關聯規則
增量式關聯規則挖掘的主要思想是在更新的數據庫或參數上,充分利用原有挖掘規則,發現滿足條件的新規則,刪除失效的舊規則,目的是盡量減少計算量.增量式……