基于多重最小支持度的高效用頻繁項集挖掘算法研究.pdf

1、頻繁項集挖掘是數(shù)據(jù)挖掘領(lǐng)域的重要研究方向之一，但是傳統(tǒng)的頻繁項集挖掘算法只考慮項集的支持度，這使得在挖掘過程中丟失一些用戶感興趣的項集。此外，由于數(shù)據(jù)流具有實時性、無限性和連續(xù)性的特性，這就要求在數(shù)據(jù)流環(huán)境中的頻繁項集挖掘算法具有較高的時間和空間效率。
　　本文對多重最小支持度和高效用項集挖掘算法問題進(jìn)行描述，在數(shù)據(jù)結(jié)構(gòu)和處理方法上，對目前已有的頻繁項集和高效用項集挖掘算法的優(yōu)缺點進(jìn)行分析和總結(jié)，在此基礎(chǔ)上做了以下研究工作:

2、>　　(1)在靜態(tài)數(shù)據(jù)集中，針對現(xiàn)有的多重最小支持度挖掘算法會產(chǎn)生大量的中間候選集，增加了時間和內(nèi)存的開銷，且沒有考慮項集的效用值等問題。本文利用多重最小支持度和效用值，構(gòu)造了數(shù)據(jù)結(jié)構(gòu)MHU-Tree，并提出用于修剪構(gòu)造過程中全局MHU-Tree的PG策略和用于修剪挖掘過程中局部MHU-Tree的PL策略。在此基礎(chǔ)上，提出了基于多重最小支持度的高效用頻繁項集挖掘算法MHU-Growth，較大地減少中間候選項集的數(shù)量，快速地挖掘高效用頻繁

3、項集。通過與經(jīng)典算法CFP-Growth++進(jìn)行對比，驗證了MHU-Growth算法在運行時間、候選項集產(chǎn)生的數(shù)量以及內(nèi)存開銷等性能上優(yōu)于CFP-Growth++算法。
　　(2)在數(shù)據(jù)流環(huán)境中，現(xiàn)有的高效用項集挖掘算法需要多次掃描數(shù)據(jù)庫，而對用戶來說，效用閾值難設(shè)置，過高或過低都會影響挖掘效果。針對這些問題，本文結(jié)合多重最小支持度和效用值，構(gòu)造適用于數(shù)據(jù)流挖掘的數(shù)據(jù)結(jié)構(gòu)TKHUF-Tree和構(gòu)建存儲效用信息的矩陣PMD和RMD，

4、并提出PEU、RTS等閡值調(diào)整策略來自動調(diào)整效用閾值的大小，減少中間候選項集的產(chǎn)生數(shù)量以及數(shù)據(jù)庫掃描次數(shù)。
　　(3)在TKHUF-Tree的基礎(chǔ)上，提出了top-k高效用頻繁項集數(shù)據(jù)流挖掘算法TKHFDS，它利用滑動窗口模型來處理數(shù)據(jù)流數(shù)據(jù)，并提出minTKUtil策略來調(diào)整下一個窗口的效用閾值，快速、有效地挖掘出高效用頻繁項集。最后，將算法TKHFDS與傳統(tǒng)算法TKU及T-HUDS進(jìn)行對比，實驗驗證了TKHFDS算法在時間和內(nèi)