基于聚類的關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、目前，關(guān)于關(guān)聯(lián)規(guī)則挖掘的研究很多，主要集中在頻繁項集挖掘和關(guān)聯(lián)規(guī)則剪裁等方向，其中頻繁項集挖掘是其中的重中之重，出現(xiàn)了很多的優(yōu)秀算法，如Apriori，F(xiàn)P-growth等等。FP-growth算法中，需要對同一路徑進行多次重復(fù)回溯，從而影響了挖掘效率。聚類也是數(shù)據(jù)挖掘的一個重要研究領(lǐng)域，可以為其他操作做數(shù)據(jù)預(yù)處理，在聚類的基礎(chǔ)上進行關(guān)聯(lián)規(guī)則挖掘具有很好的意義。目前基于聚類的關(guān)聯(lián)規(guī)則挖掘算法研究雖然不多，但是也已經(jīng)取得了一些成果。本文對

2、基于聚類的關(guān)聯(lián)規(guī)則進行了一些研究。
　　 本文的內(nèi)容主要分為兩個方面:一是在FP-growth算法的挖掘條件模式基時的多次重復(fù)回溯問題;另外研究了基于聚類的關(guān)聯(lián)規(guī)則挖掘問題。
　　 本文在研究多次重復(fù)回溯問題方面，首先闡述頻繁項集挖掘的兩個經(jīng)典算法Apriori和FP-growth，分析了FP-growth算法的優(yōu)缺點，優(yōu)點是:FP-growth算法是一個無候選集的算法，巧妙地借助頻繁模式樹FP-tree，不僅壓縮了數(shù)據(jù)

3、結(jié)構(gòu)，還省去對候選集的依賴并且大大減輕了對I/O的壓力;缺點是:FP-tree結(jié)構(gòu)復(fù)雜，在挖掘條件模式基時對同一路徑要多次重復(fù)回溯?；谶@兩個缺點，本人提出一種對FP-tree的改造方法，使其無需記錄每個節(jié)點的地址，而只需記住每條路徑的葉節(jié)點的地址，進一步提出一種無重復(fù)的新算法--FFP-growth算法。該算法在挖掘條件模式基時，只需對同一路徑回溯一次即可得到整個路徑上所有節(jié)點的條件模式基，實驗證明這種方法提高了挖掘效率，。
　

4、　 本文在基于聚類的關(guān)聯(lián)規(guī)則挖掘方面，首先闡述了聚類的基礎(chǔ)知識，和基于聚類的關(guān)聯(lián)規(guī)則挖掘的相關(guān)內(nèi)容，提出一種基于聚類的FP-growth算法—CFP-growth，算法首先是將數(shù)據(jù)聚集到聚類表中，然后由聚類表構(gòu)建頻繁模式子樹，最后采用FP-growth算法從頻繁模式子樹中挖掘頻繁模式。由于每顆頻繁模式子樹的數(shù)據(jù)量相對整個頻繁模式樹小，挖掘頻繁模式也相對更加輕松。實驗是在FoodMart數(shù)據(jù)庫上進行的，結(jié)果表明在挖掘頻繁模式上具有良好的