關(guān)聯(lián)規(guī)則在健身服務(wù)項(xiàng)目組合中的數(shù)據(jù)挖掘

1、關(guān)聯(lián)規(guī)則在健身服務(wù)項(xiàng)目組合中的數(shù)據(jù)挖掘韋艷玲(柳州職業(yè)技術(shù)學(xué)院 信息工程系 ,廣西 柳州 545006)摘 要 :采用一種改進(jìn)的頻繁項(xiàng)目集數(shù)據(jù)挖掘算法 ,設(shè)計(jì)與實(shí)現(xiàn)了某健身俱樂(lè)部關(guān)聯(lián)規(guī)則挖掘系統(tǒng) 。該系統(tǒng)能夠高效靈活地從該俱樂(lè)部的客戶數(shù)據(jù)中挖掘出對(duì)服務(wù)項(xiàng)目組合有用的關(guān)聯(lián)規(guī)則 ,對(duì)俱樂(lè)部的運(yùn)營(yíng)具有一定的指導(dǎo)意義 。關(guān) 鍵 詞 :關(guān)聯(lián)規(guī)則 ;健身服務(wù)項(xiàng)目組合 ;數(shù)據(jù)挖掘中圖分類(lèi)號(hào) : tp311113文獻(xiàn)標(biāo)識(shí)碼 :b0引言隨著生活水平的提高 ,人們?nèi)找孀⒅靥岣呱钯|(zhì)量 。目前 ,越來(lái)越多的人關(guān)注健身 ,大批健身俱樂(lè)部形式的機(jī)構(gòu)也應(yīng)運(yùn)而生 。某健身俱樂(lè)部是一家提供多種健身服務(wù)及相關(guān)服務(wù)的會(huì)員制俱樂(lè)部

2、 ,多年的經(jīng)營(yíng)積累了大量的會(huì)員數(shù)據(jù) 。面對(duì)這些海量的數(shù)據(jù) ,很難通過(guò)一般的查詢得到客戶服務(wù)行為模式等有用信息 。隨 著市場(chǎng)競(jìng)爭(zhēng)的加劇 ,有必要通過(guò)數(shù)據(jù)挖掘找出該健身俱樂(lè)部的各種有用信息 。采用基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘技術(shù) ,發(fā)現(xiàn)該健身俱樂(lè)部客戶數(shù)據(jù)的關(guān)聯(lián)規(guī)則 ,是研究和探討的重點(diǎn) 。發(fā) 現(xiàn)關(guān)聯(lián)規(guī)則的目的在于找出哪些服務(wù)項(xiàng)目會(huì)一起進(jìn)行 ,如“一般選擇健美操運(yùn)動(dòng)的女士同時(shí)也會(huì)選擇購(gòu)買(mǎi)運(yùn) 動(dòng)營(yíng)養(yǎng)品”。關(guān)聯(lián)規(guī)則的挖掘?qū)κ袌?chǎng)調(diào)節(jié)和爭(zhēng)取客戶方面的應(yīng)用是極有價(jià)值的 。利用數(shù)據(jù)挖掘技術(shù)可以分析客戶的消費(fèi)行為 ,找出服務(wù)項(xiàng)目間彼此的關(guān)聯(lián)性 。決策者可針對(duì)所得到的關(guān)聯(lián)規(guī)則 ,對(duì)服務(wù)項(xiàng)目進(jìn)行設(shè) 計(jì) ,面對(duì)不同的客戶進(jìn)

3、行促銷(xiāo)活動(dòng) 。這不但有利于提升該俱樂(lè)部的競(jìng)爭(zhēng)力 ,同時(shí)也可提升相關(guān)服務(wù)的利潤(rùn) , 從而更好地生存和發(fā)展 。該健身俱樂(lè)部在經(jīng)營(yíng)過(guò)程中 ,需要解決以下問(wèn)題 : 防止客戶流失 ,對(duì)消費(fèi)金額明顯下降的客戶 ,要分析 其下降原因 ; 對(duì)客戶所選擇的服務(wù)進(jìn)行挖掘 ,看哪些服務(wù)項(xiàng)目會(huì)被同一個(gè)人選擇 ,這樣可以將兩種或多種服務(wù)項(xiàng)目合并起來(lái)進(jìn)行促銷(xiāo) ; 通過(guò)對(duì)老客戶消費(fèi)行為 、年齡等因素的分析挖掘 ,得到相關(guān)客戶的消費(fèi)習(xí)慣 ,預(yù)測(cè)新客戶會(huì)選擇哪一種服務(wù) 。對(duì)問(wèn)題 ,可采用偏差分析的方法 ,找出異常值 ;問(wèn)題 ,可從利用客戶以往的數(shù)據(jù) ,從中找出規(guī)律 ,建立預(yù)測(cè)模型 ;重點(diǎn)是問(wèn)題 如何解決好問(wèn)題 ,有利于俱樂(lè)部設(shè)

4、計(jì)更優(yōu)的服務(wù)項(xiàng)目組合 ,穩(wěn)定客戶 ,提升利潤(rùn) 。下面對(duì)問(wèn)題 進(jìn)行分析討論 。1關(guān)聯(lián)規(guī)則算法選擇客戶的服務(wù)信息可以很方便的存放在數(shù)據(jù)庫(kù)中 ,針對(duì)上述的實(shí)現(xiàn)目標(biāo) ,如何發(fā)現(xiàn)它們之間存在的關(guān)聯(lián)是關(guān)鍵問(wèn)題 。關(guān)聯(lián)規(guī)則的挖掘問(wèn)題就是在事務(wù)數(shù)據(jù)庫(kù)中找出用戶給定的最小支持度和最小置信度的關(guān)聯(lián)規(guī)則1 ,2。關(guān)聯(lián)規(guī)則挖掘可以分以下兩步完成 :(1) 找出事務(wù)數(shù)據(jù)庫(kù)中所有大于等于用戶指定最小支持度的頻繁項(xiàng)目集 。(2) 利用頻繁項(xiàng)目集生成所期望的關(guān)聯(lián)規(guī)則 ,即這些規(guī)則必須滿足最小支持度和最小置信度 。 數(shù)據(jù)挖掘所面臨的最大挑戰(zhàn)是計(jì)算效率 ,解決這一問(wèn)題的途徑是采用高效的數(shù)據(jù)挖掘算法 。當(dāng)找到所收稿日期 :2008

5、 - 04 - 02基金項(xiàng)目 :廣西自然科學(xué)基金項(xiàng)目 ( 桂科自 0481016) .作者簡(jiǎn)介 :韋艷玲 ( 1970 - ) ,女 ,廣西羅城人 ,柳州職業(yè)技術(shù)學(xué)院信息工程系工程師 ,軟件工程碩士 。有的頻繁項(xiàng)目集后 ,相應(yīng)的關(guān)聯(lián)規(guī)則將很容易生成 。因此 ,有必要采用快速算法從事務(wù)數(shù)據(jù)庫(kù)中挖掘關(guān)聯(lián)規(guī)則 。關(guān)聯(lián)規(guī)則的算法相當(dāng)多 ,其中經(jīng)典算法 ap rio ri 是最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)目集的算法 ,同 時(shí)大部分關(guān)聯(lián)規(guī)則算法也都是經(jīng)典算法 ap rio ri 的演繹和改進(jìn) 。ap rio ri 算法基于這樣的事實(shí) : 算法使用頻 繁項(xiàng)目集性質(zhì)的先驗(yàn)知識(shí) ,根據(jù)關(guān)聯(lián)規(guī)則和頻繁模式集合的

6、定義 ,頻繁模式集合中應(yīng)該存儲(chǔ)了挖掘關(guān)聯(lián)規(guī)則所需的全部信息 ,因此 ,得到一個(gè)完整的 、正確的頻繁模式集合是產(chǎn)生關(guān)聯(lián)規(guī)則的前提 。 發(fā)現(xiàn)頻繁模式的集合需要對(duì)源數(shù)據(jù) (指數(shù)據(jù)庫(kù)中存儲(chǔ)在表中用來(lái)挖掘的數(shù)據(jù)) 進(jìn)行多次遍歷 ,這種頻繁進(jìn)行的 i/ o 操作需要大量的時(shí)間 ,成為數(shù)據(jù)挖掘算法的瓶頸 ,如何減少對(duì)數(shù)據(jù)的頻繁讀取所消耗的時(shí)間 ,是 改進(jìn)關(guān)聯(lián)規(guī)則算法的關(guān)鍵 。在不能對(duì)源數(shù)據(jù)進(jìn)行修改的情況下 ,減少對(duì)源數(shù)據(jù)掃描的次數(shù) ,是減少算法的時(shí) 間消耗 、提高算法效率的最直接有效的方法 。選用文獻(xiàn) 3 改進(jìn)的頻繁項(xiàng)目集數(shù)據(jù)挖掘算法 ,整個(gè)過(guò)程只須掃瞄數(shù)據(jù)庫(kù)一次 ,就可獲得所有可能的項(xiàng) 目集組合 ,大大地

7、降低 i/ o 存取的時(shí)間 。算法效率得到很大提高 。2健身俱樂(lè)部關(guān)聯(lián)規(guī)則挖掘系統(tǒng)設(shè)計(jì)關(guān)聯(lián)挖掘算法模塊 、數(shù)據(jù)預(yù)處理模塊和可視化分析模塊是健身俱樂(lè)部關(guān)聯(lián)規(guī)則挖掘系統(tǒng)的三大主要功能模塊 。系統(tǒng)結(jié)構(gòu)如圖 1 所示 。(1) 數(shù)據(jù)預(yù)處理模塊 。從大量的會(huì)員數(shù)據(jù)中獲取相 關(guān)的數(shù)據(jù) ,對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理 ,將處理好的數(shù)據(jù)放入 數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)中保存 ,主要存儲(chǔ)客戶的職業(yè)及服務(wù)項(xiàng) 目類(lèi)型數(shù)據(jù) , 本系統(tǒng)數(shù)據(jù)存儲(chǔ)層采用 sql server 數(shù)據(jù)庫(kù)4。(2) 挖掘處理模塊 。挖掘處理模塊是整個(gè)系統(tǒng)的核心部分 。為了提高本系統(tǒng)的計(jì)算效率 ,采用文獻(xiàn) 3 一種改進(jìn)的頻繁項(xiàng)目集數(shù)據(jù)挖掘算法 。該算法利用拆分交易

8、記錄的方式 ,將每一筆交易記錄拆分到最小項(xiàng)目為止 ,進(jìn) 而得到單筆交易記錄所有的項(xiàng)目集組合 ,以當(dāng)整個(gè)數(shù)據(jù) 庫(kù)讀取完畢時(shí) ,所有的交易記錄也就隨之拆分完成 ,同時(shí) 可以得到所有的項(xiàng)目集組合 。而后 ,便可動(dòng)態(tài)的任意輸入最小支持度與最小信任度來(lái)產(chǎn)生所需的頻繁項(xiàng)目集以及關(guān)聯(lián)規(guī)則 。圖 1 系統(tǒng)結(jié)構(gòu)圖(3) 可視化界面模塊 。使用圖形化界面作為用戶界面 ,方便用戶的操作以及得到的規(guī)則能夠可視化顯示 。3 健身俱樂(lè)部關(guān)聯(lián)挖掘規(guī)則系統(tǒng)的實(shí)現(xiàn)311 數(shù)據(jù)來(lái)源及數(shù)據(jù)預(yù)處理俱樂(lè)部經(jīng)營(yíng)積累的數(shù)據(jù)已存于原有的俱樂(lè)部計(jì)算機(jī)管理系統(tǒng)數(shù)據(jù)庫(kù)中 。當(dāng)對(duì)健身俱樂(lè)部服務(wù)項(xiàng)目組合 進(jìn)行關(guān)聯(lián)數(shù)據(jù)挖掘時(shí) , 需要從俱樂(lè)部管理系統(tǒng)數(shù)

9、據(jù)庫(kù)中提取客戶信息及消費(fèi)信息 。隨機(jī)抽取 2006 - 082007 - 07 間的交易數(shù)據(jù)共 6 500 筆 ?？蛻粜畔⒈硖峁┝丝蛻艟幪?hào) 、職業(yè) 、姓名 、年齡 、性別 、地址等屬性 ;消 費(fèi)信息表提供了操作日期 、客戶編號(hào) 、服務(wù)項(xiàng)目編號(hào)等屬性 。消費(fèi)信息表作為事實(shí)表 ,客戶信息表是與之關(guān) 聯(lián)的維度表 。縮寫(xiě)可用 sql 語(yǔ)句進(jìn)行修改替換 。數(shù)據(jù)存儲(chǔ)層采用 sql server 2005 數(shù)據(jù)庫(kù) 。把客戶信息及消費(fèi)信息導(dǎo)入到 sql server 2005 數(shù)據(jù)庫(kù)中 ,導(dǎo)入后的記錄格式不變 。由于客戶所選擇的服務(wù)項(xiàng)目與其所在的階層有很大的關(guān)系5 ,在本系統(tǒng)挖掘中還要把客戶的階層考慮 進(jìn)去

10、。目前學(xué)術(shù)界對(duì)于社會(huì)分層的研究最具代表性的成果 ,當(dāng)屬中國(guó)社會(huì)科學(xué)院社會(huì)學(xué)研究所“當(dāng)代中國(guó)社 會(huì)階層結(jié)構(gòu)研究”課題組推出的關(guān)于當(dāng)代中國(guó)社會(huì)階層研究報(bào)告6 。該項(xiàng)研究成果提出了以職業(yè)分類(lèi)為 基礎(chǔ) ,以組織資源 、經(jīng)濟(jì)資源和文化資源的占有作為標(biāo)準(zhǔn)來(lái)劃分社會(huì)階層的理論框架 ,將中國(guó)社會(huì)劃分為十 大社會(huì)階層 (國(guó)家與社會(huì)管理者階層 、經(jīng)理人員階層 、私營(yíng)企業(yè)主階層 、專(zhuān)業(yè)技術(shù)人員階層 、辦事人員階層 、個(gè) 體工商戶階層 、商業(yè)服務(wù)業(yè)員工階層 、產(chǎn)業(yè)工人階層 、農(nóng)業(yè)勞動(dòng)者階層 、城鄉(xiāng)無(wú)業(yè)失業(yè)半失業(yè)者階層) 。該項(xiàng) 研究成果得到了學(xué)術(shù)界的廣泛認(rèn)同 。原始數(shù)據(jù)中沒(méi)有階層這個(gè)屬性 ,只有職業(yè)這個(gè)屬性 ,把各種

11、職業(yè)轉(zhuǎn)成相 應(yīng)的階層 ,可用 sql 語(yǔ)句進(jìn)行修改替換 。數(shù)據(jù)預(yù)處理后轉(zhuǎn)化為事務(wù)數(shù)據(jù) ,如表 2 所示 。表 1客戶消費(fèi)數(shù)據(jù)表 2預(yù)處理后的事務(wù)數(shù)據(jù)操作日期客戶編號(hào)職業(yè)服務(wù)項(xiàng)目編號(hào)客戶編號(hào)服務(wù)項(xiàng)目編號(hào)2007 - 06 - 25a12058企業(yè)經(jīng)理h09a12058h09 ,c11 ,b05312挖掘過(guò)程本系統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法模塊由一個(gè)基于一種改進(jìn)的頻繁項(xiàng)目集數(shù)據(jù)挖掘算法的數(shù)據(jù)挖掘引擎構(gòu) 成 。預(yù)處理得到的文本文件作為參數(shù)入口 , 對(duì)事務(wù)數(shù)據(jù)庫(kù)進(jìn)行挖掘 。改進(jìn)的頻繁項(xiàng)目集數(shù)據(jù)挖掘算法用v c + + 實(shí)現(xiàn) ,通過(guò) ado 與數(shù)據(jù)庫(kù)連接 ,最后得出相關(guān)的規(guī)則并顯示 。測(cè)試計(jì)算機(jī)的基本配置為 :

12、 cpu p42166 ghz ,內(nèi)存 512 m ,操作系統(tǒng) window s xp p rofessio nal 。31211 ado 訪問(wèn)數(shù)據(jù)庫(kù)本系統(tǒng)通過(guò) ado 訪問(wèn) sql server 數(shù)據(jù)庫(kù) ,理由如下 : ado 使用對(duì)象鏈接與嵌入 (ol e) 式數(shù)據(jù)庫(kù) (db) 接口作為數(shù)據(jù)提供者 ,訪問(wèn)速度更快 ,更易使用 ,同 時(shí)更節(jié)省資源 。 ado 是基于組件對(duì)象模型 ( com) 的訪問(wèn)技術(shù) ,其產(chǎn)生的應(yīng)用程序占用內(nèi)存及磁盤(pán)空間少 。根據(jù) ol e db 提供者的不同 ,ado 連接數(shù)據(jù)庫(kù)有很多種方法 ,比較典型的連接方法有兩種 :一種是為數(shù) 據(jù)庫(kù)建立 odbc 數(shù)據(jù)源 ,即 a

13、do2ol e db provider fo r odbcodbc driver fo r sol server2sql server 數(shù)據(jù)庫(kù) ;另一種是通過(guò) ol e db 提供程序直接訪問(wèn)數(shù)據(jù)庫(kù) ,即 ado2ol e db provider fo r sql server2sql server數(shù)據(jù)庫(kù) 。第一種方法要配置 odbc 數(shù)據(jù)源 ,且連接數(shù)據(jù)庫(kù)效率較低 ;第二種方法不用配置 odbc 數(shù)據(jù)源 ,且 易動(dòng)態(tài)配置 ,比較靈活 ,因此第二種方法優(yōu)于第一種 。把原始數(shù)據(jù)導(dǎo)入 sql 數(shù)據(jù)庫(kù)后數(shù)據(jù)庫(kù) (表) 的每一行只描述了某次交易行為 ,這種格式的數(shù)據(jù)不符合關(guān) 聯(lián)規(guī)則算法的輸入要求 ,是

14、不能直接進(jìn)行關(guān)聯(lián)規(guī)則采掘的 。ss is 是 sql server2005 所帶的實(shí)用程序 ,提供 輸入 、輸出與轉(zhuǎn)換數(shù)據(jù)的功能 ,利用 ss is 工具可將數(shù)據(jù)轉(zhuǎn)換成算法所需要的布爾型事務(wù)數(shù)據(jù)庫(kù)供數(shù)據(jù)挖掘工具進(jìn)行挖掘4 。從數(shù)據(jù)源中選取客戶階層 、客戶號(hào)和交易號(hào)做進(jìn)一步分析 ,將原始數(shù)據(jù)轉(zhuǎn)化為事務(wù)數(shù)據(jù) ,做好關(guān)聯(lián)挖掘的準(zhǔn)備 。31212 挖掘步驟就挖掘交易關(guān)聯(lián)規(guī)則來(lái)說(shuō) ,挖掘過(guò)程分三個(gè)步驟 : 從數(shù)據(jù)挖掘數(shù)據(jù)庫(kù)中讀取事務(wù)數(shù)據(jù) ,把其所有的事務(wù)數(shù)據(jù)項(xiàng)目進(jìn)行一連串“拆分”的動(dòng)作 ,如某條記錄選的服務(wù)項(xiàng)目類(lèi)型事務(wù)數(shù)據(jù)項(xiàng)目為“h1 , a3 ,b5”, 則把“h1 , a3 ,b5”拆分為“h1a3

15、”、“h1b5”、“a3b5 ”、“h1”“、a3”“、b5”等組合 ,把這些被拆分的事務(wù)數(shù)據(jù)項(xiàng)目都會(huì)暫存在某臨時(shí)表中 ,而拆分的主要目的是要將服務(wù)項(xiàng)目記錄拆分到最小項(xiàng)目為止 ,當(dāng)服務(wù)項(xiàng)目記錄拆分完成后 ,即可得到此條服務(wù)項(xiàng)目記錄的所有項(xiàng)目組 合 。把每個(gè)記錄拆分完后 , 統(tǒng)一存入表 bluewj 中 , 表結(jié)構(gòu)如表 3 所示 , co unt 字 段 用 于 給 項(xiàng) 目 組 合 計(jì) 數(shù) 。若此項(xiàng)目組合已存在 bluewj 表中 ,則將 co unt 加 1 ;若未存在則將該項(xiàng)目集組合加入此 bluewj 表中 ,并給 co unt 賦初值 1 . 重復(fù)上述的動(dòng)作直到最后 一條記錄讀完為止 。

16、 根據(jù)俱樂(lè)部決策者設(shè)定的最小支持度 ,從 bluewj 表中取出符合條 件的項(xiàng)目集 ,即稱(chēng)之頻繁項(xiàng)目集 。表 3 項(xiàng)目組合計(jì)數(shù)表( blue wj) 結(jié)構(gòu) 利用步驟 產(chǎn)生的頻繁項(xiàng)目集以及俱樂(lè)部決策者所設(shè)定的最小支持度與最小信任度 ,推導(dǎo)出符合俱樂(lè)部決策者所需的關(guān)聯(lián)規(guī)則 。而且整個(gè)過(guò)程只須掃瞄數(shù)據(jù)庫(kù)一次 ,就可獲得所有可能的項(xiàng)目集組合 ,大大地 降低 i/ o 存取的時(shí)間 。最重要的是俱樂(lè)部決策者可動(dòng)態(tài)地隨意更新最小支持度 ,而這個(gè)過(guò)程不須再重新掃 描整個(gè)數(shù)據(jù)庫(kù) ,即可實(shí)時(shí) 、有效地得到所需的信息 。但俱樂(lè)部決策者無(wú)法預(yù)知什么大小的支持度可以過(guò)濾出 合適的數(shù)據(jù) ,如何設(shè)定恰當(dāng)?shù)淖钚≈С侄扰c最小信

17、任度呢 ? 可通過(guò)對(duì)局部數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘 ,如分階層對(duì)局部客戶的信息進(jìn)行挖掘后 ,把支持度 、可信度與關(guān)聯(lián)規(guī)則數(shù)目進(jìn)行對(duì)比 ,最后確定相對(duì)理想的支持度和可信 度的值供決策者參考 。4挖掘結(jié)果及評(píng)價(jià)(1) 挖掘結(jié)果 。在挖掘中得到許多形如“x = y”形式的有用規(guī)則 。例如 ,發(fā)現(xiàn)選擇拳擊服務(wù)項(xiàng)目的客戶常常同時(shí)選擇器械健身服務(wù)項(xiàng)目 ,可以向選擇拳擊服務(wù)項(xiàng)目的客戶推薦器械健身服務(wù)項(xiàng)目 ,從而使得器械健身服務(wù)項(xiàng)目利潤(rùn)能夠增加到最大 。選擇網(wǎng)球服務(wù)項(xiàng)目的客戶中常常選擇購(gòu)買(mǎi)網(wǎng)球運(yùn)動(dòng)服裝 ,可以采用選擇網(wǎng)球服務(wù)項(xiàng)目 的客戶可以打折購(gòu)買(mǎi)運(yùn)動(dòng)服裝等等 。(2) 挖掘結(jié)果評(píng)價(jià) 。把挖掘的結(jié)果與俱樂(lè)部的實(shí)際情況和

18、對(duì)客戶的調(diào)查相對(duì)比 ,得到的結(jié)論是比較吻合的 。在實(shí)際應(yīng)用挖 掘的結(jié)果中起到了較好的效果 ,如下所述 : 對(duì)決策者而言 ,可以更好地了解俱樂(lè)部的現(xiàn)狀 ,對(duì)有較高頻繁集 的服務(wù)項(xiàng)目提供完善的服務(wù) ,采購(gòu)相關(guān)的新設(shè)備 ,從而起到穩(wěn)定客戶的作用 。 運(yùn)用所挖掘出來(lái)的規(guī)則 ,對(duì)客戶推薦相關(guān)的服務(wù)項(xiàng)目 ,如 x 、y 關(guān)聯(lián)性強(qiáng)的兩項(xiàng)服務(wù) ,當(dāng)客戶辦理了 x 服務(wù)時(shí) ,可以推薦 y 服務(wù)給他 ,從 而達(dá)到擴(kuò)大業(yè)務(wù)的目的 。 使用關(guān)聯(lián)規(guī)則分析對(duì)健身俱樂(lè)部運(yùn)營(yíng)方面的效果是很明顯的 ,在 2007 年第四季 度的財(cái)務(wù)指標(biāo)中顯示 :俱樂(lè)部?jī)衾麧?rùn)同比增長(zhǎng) 4514 % ,營(yíng)業(yè)總收入同比增長(zhǎng) 2116 % ,是近兩年

19、來(lái)俱樂(lè)部各季 度凈利潤(rùn)和營(yíng)業(yè)總收入同比增長(zhǎng)最快的季度 。5結(jié)論使用關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘技術(shù)對(duì)某大型健身俱樂(lè)部的客戶數(shù)據(jù)進(jìn)行挖掘 ,發(fā)現(xiàn)了客戶同時(shí)選擇的多種服務(wù)項(xiàng)目間的關(guān)聯(lián)關(guān)系 ,并采取相應(yīng)措施 ,穩(wěn)定了客戶 ,營(yíng)業(yè)利潤(rùn)得到了相應(yīng)提高 ,說(shuō)明使用關(guān)聯(lián)規(guī)則分析對(duì)健身俱樂(lè)部的運(yùn)營(yíng)是有效和實(shí)用的 ,對(duì)文化體育娛樂(lè)業(yè)等類(lèi)似企業(yè)的運(yùn)營(yíng)也具有指導(dǎo)意義 。參考文獻(xiàn) :123456(美) to m mitchell . 機(jī)器學(xué)習(xí) m .曾華軍 ,張銀奎 ,譯 . 北京 :機(jī)械工業(yè)出版社 ,2003 .(加) j iawei han ,micheline kamber . 數(shù)據(jù)挖掘概念與技術(shù) m . 范 明 ,孟小峰

20、 ,譯 . 北京 :機(jī)械工業(yè)出版社 ,2001 .吳振光 . 一個(gè)改進(jìn)的關(guān)聯(lián)規(guī)則的頻繁項(xiàng)目集數(shù)據(jù)挖掘算法 j . 計(jì)算機(jī)科學(xué) , 2007 ,34 (9) :146147 .胡百敬 ,姚巧玫 . sql server 2005 數(shù)據(jù)庫(kù)開(kāi)發(fā)詳解 m . 北京 :電子工業(yè)出版社 ,2006 . 周進(jìn)國(guó) . 從社會(huì)分層的視角看我國(guó)社會(huì)體育 j . 體育學(xué)刊 ,2007 ,14 (1) :138140 . 陸學(xué)藝 . 當(dāng)代中國(guó)社會(huì)階層研究報(bào)告 m . 北京 :社會(huì)科學(xué)文獻(xiàn)出版社 ,2002 .sidzhcou n txi e cui2lan , zh en g yi2ling(depart ment

21、of info r matio n engineering ,liuzho u vocatio nal & technical college , liuzho u 545006 ,china)abstract :int ra2p redictio n mo de selectio n in h. 264 is t he bot tleneck of enco ding. a f ast mo de selectio n algo rit hm is p ropo sed based o n t he analysis of h. 264 . acco rding to sad value o

22、f int ra216 16 , t he algo rit hm decides w het her int ra24 4 can be skipped. on t he ot her way ,it utilizes t he sad values of 4 4 block to filter o ut so meless p ro bable mo des. experimental result s show t hat t he p ropo sed algo rit hm increases t he speed of int ra co ding significantly and guarantees t he image qualit y.key w