關(guān)聯(lián)規(guī)則算法的研究與改進(jìn).pdf

1、隨著計(jì)算機(jī)和信息技術(shù)的發(fā)展，人們能夠用更方便的收集數(shù)據(jù)。數(shù)據(jù)的爆炸性增長(zhǎng)，使人們急切的需要相關(guān)的技術(shù)來處理這些數(shù)據(jù)。數(shù)據(jù)挖掘作為這樣的技術(shù)已經(jīng)成為人們關(guān)注的熱點(diǎn)，廣泛地應(yīng)用于各行各業(yè)。數(shù)據(jù)挖掘的主要任務(wù)有：分類和預(yù)測(cè)、聚類分析、關(guān)聯(lián)規(guī)則、序列分析和異常檢測(cè)等。本文研究的重點(diǎn)是其中的關(guān)聯(lián)規(guī)則。
　　本文對(duì)兩種關(guān)聯(lián)規(guī)則挖掘算法Apriori算法和FP-growth算法進(jìn)行了詳細(xì)的分析和研究。論文的主要工作如下：
　　1.基于Ap

2、riori算法的研究，實(shí)現(xiàn)了算法在MFC框架下的頻繁項(xiàng)集挖掘。程序通過與后臺(tái)Access數(shù)據(jù)庫(kù)的連接，能夠設(shè)置不同的項(xiàng)數(shù)和最小支持度，實(shí)現(xiàn)了頻繁項(xiàng)集的挖掘，并給出本次挖掘的時(shí)間開銷。
　　2.通過對(duì)Apriori算法每個(gè)步驟的分析，提出一種Apriori算法的優(yōu)化方法，通過實(shí)例分析和實(shí)驗(yàn)結(jié)果驗(yàn)證了優(yōu)化結(jié)果。優(yōu)化后的算法在以下兩個(gè)方面做出了改進(jìn)：（1）在Apriori算法的連接步，需要頻繁兩兩比較k-項(xiàng)頻繁項(xiàng)集前k-1項(xiàng)是否相同，而

3、且會(huì)產(chǎn)生大量的候選項(xiàng)集，使得時(shí)間復(fù)雜度大大增加。優(yōu)化后的算法加入了連接預(yù)處理步，減少了連接步的比較次數(shù)，避免了許多不必要的頻繁項(xiàng)集的產(chǎn)生；（2）在Apriori算法的支持度計(jì)數(shù)步，事務(wù)的寬度越大，事務(wù)遍歷候選Hash樹的有效次數(shù)就增加。優(yōu)化算法通過加入事務(wù)剪枝歩，降低事務(wù)的寬度，有效降低支持度計(jì)數(shù)的時(shí)間開銷。
　　3.FP-growth算法對(duì)于大型數(shù)據(jù)集，生成的FP-tree結(jié)構(gòu)非常復(fù)雜，而且需要頻繁的進(jìn)行下列的步驟：（1）將FP