[摘要]針對(duì)傳統(tǒng)關(guān)聯(lián)規(guī)則算法中事務(wù)掃描的重復(fù)性以及最小支持度設(shè)定的不確定性，導(dǎo)致關(guān)聯(lián)規(guī)則挖掘算法掃描事務(wù)數(shù)據(jù)庫(kù)運(yùn)行效率低下的問題，提出一種基于K-means的web訪問用戶關(guān)聯(lián)規(guī)則挖掘算法，該算法利用K-means算法聚類的效果，將web訪問用戶數(shù)據(jù)集聚類為不同的小數(shù)據(jù)集，采用不同的最小支持度，分別對(duì)web訪問用戶聚類小數(shù)據(jù)集進(jìn)行關(guān)聯(lián)規(guī)則挖掘。分析和實(shí)驗(yàn)結(jié)果證明，該算法可有效提高傳統(tǒng)關(guān)聯(lián)規(guī)則挖掘算法的效率，同時(shí)也可有效避免傳統(tǒng)關(guān)聯(lián)算法中掃描中的重復(fù)性。
　　[關(guān)鍵詞]K-means算法關(guān)聯(lián)規(guī)則web用戶 數(shù)據(jù)挖掘最小支持度
　　[分類號(hào)]TP301.6

相關(guān)熱詞搜索：算法 關(guān)聯(lián) 挖掘 基于K-means算法的Web訪問用戶關(guān)聯(lián)規(guī)則挖掘算法 k-means聚類算法 原k-means算法與