商新新，牟莉

（西安工程大学计算机科学学院，陕西西安 710048）

近年来，随着兖矿集团经营管理系统的不断应用，系统中积累了大量的历史数据。同时，集团每天都会产生大量的数据信息，不科学的数据处理方法会造成大量数据浪费。文中从数据本身出发，对传统管理系统产生的庞大数据进行提取、分析，从中筛选出能够影响企业发展的关键性数据。从大量数据中心发现隐藏的数据价值能够为集团的科学管理提供有效的数据支撑[1]。

在对数据进行离散化时，文中采用优化的K-means算法，主要针对项目完成属性描述，为关联规则挖掘提供有效的数据支撑。采用这种优化过的Kmeans 算法的原因是在传统的K-means 聚类[2]应用中存在收敛速度慢、收敛效果差以及分析结果不准确等缺陷，故文献[3]中提出改进退火算法，改进了K-means 算法的收敛问题。文献[4]为解决利用Kmeans 算法计算学生成绩不准确的问题，改进并提出了标准偏移量的K-means 算法。文献[5]中提出基于样本分布聚类中心强度的改进，并取得了较好的成果。因此，采用改变初始聚类的K-means 算法实现了对数据的聚类分析。

关联规则分析算法主要是为了发现答案量数据之间的关联性从而描述事物出现的规律[6]，同时Apriori 算法也是关联规则中最常用的算法。但是传统的Apriori 算法只有支持度和置信度两个评估标准，导致挖掘的规则有时是人们不感兴趣或错误的。文献[7]中为了提高Apriori 算法的挖掘效率，提出利用分割-垂直数据格式整合的思想，对Apriori 算法提出改进。……