基于無或言規(guī)則集的關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、數(shù)據(jù)挖掘是信息技術(shù)自然演化的結(jié)果.使用數(shù)據(jù)挖掘工具進(jìn)行數(shù)據(jù)分析可以方便的獲得重要的數(shù)據(jù)模式并應(yīng)用于決策.數(shù)據(jù)挖掘本身是面向應(yīng)用的,關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘的重要技術(shù)廣泛應(yīng)用于各大領(lǐng)域,特別是商業(yè)領(lǐng)域.隨著數(shù)據(jù)集的大小和復(fù)雜度的增長,研究高效的關(guān)聯(lián)規(guī)則挖掘算法,并增強(qiáng)其對(duì)不同數(shù)據(jù)集的適應(yīng)性顯得十分重要.關(guān)聯(lián)規(guī)則挖掘算法分兩步實(shí)現(xiàn).先挖掘得到頻繁項(xiàng)目集集合,然后根據(jù)頻繁項(xiàng)目集集合得到強(qiáng)關(guān)聯(lián)規(guī)則.目前的研究側(cè)重于頻繁項(xiàng)目集集合生成.經(jīng)典的生成

2、頻繁項(xiàng)目集集合的算法包括Apriori算法和FP-growth算法.基于這些算法產(chǎn)生了很多變體,不同的變體側(cè)重于不同的改進(jìn)方向.基于Apriori的改進(jìn)算法IHPD利用多種改進(jìn)思想的互補(bǔ)性,進(jìn)一步提高了關(guān)聯(lián)規(guī)則挖掘算法的時(shí)間性能,并且使算法的適應(yīng)性更廣.IHPD算法采用了精簡(jiǎn)集挖掘思想.精簡(jiǎn)集挖掘基于以下思想:先挖掘出精簡(jiǎn)頻繁項(xiàng)目集集合,即頻繁項(xiàng)目集集合的子集,然后構(gòu)造出其它頻繁項(xiàng)目集,并且計(jì)算得到支持度,而不需要額外的掃描數(shù)據(jù)庫.IH