基于FP-樹(shù)的關(guān)聯(lián)規(guī)則挖掘算法的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、數(shù)據(jù)挖掘技術(shù)是解決數(shù)據(jù)豐富而知識(shí)貧乏的有效途徑，當(dāng)屬信息科學(xué)領(lǐng)域的前沿研究課題之一，有關(guān)的研究和應(yīng)用極大提高了決策支持的能力，它已被公認(rèn)為是數(shù)據(jù)庫(kù)研究中一個(gè)極富應(yīng)用前景的領(lǐng)域。本文描述了數(shù)據(jù)挖掘的概念、功能以及發(fā)現(xiàn)模式的分類(lèi)。在眾多的數(shù)據(jù)挖掘算法中，挖掘關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)域中的重要研究?jī)?nèi)容，其中挖掘頻繁項(xiàng)目集是挖掘關(guān)聯(lián)規(guī)則中的關(guān)鍵問(wèn)題之一，又最大頻繁項(xiàng)目集已經(jīng)隱含了所有的頻繁項(xiàng)目集，所以可以將發(fā)現(xiàn)頻繁項(xiàng)目集的問(wèn)題轉(zhuǎn)化為發(fā)現(xiàn)最大頻繁項(xiàng)目

2、集的問(wèn)題，因而發(fā)現(xiàn)最大頻繁項(xiàng)目集對(duì)數(shù)據(jù)挖掘具有重大意義。 以前的許多挖掘最大頻繁項(xiàng)目集算法是先生成候選集，再進(jìn)行檢驗(yàn)，然而候選項(xiàng)目集產(chǎn)生的代價(jià)是很高的，尤其是存在大量長(zhǎng)模式的時(shí)候。本文主要在以下幾個(gè)方面對(duì)基于FP-樹(shù)的關(guān)聯(lián)規(guī)則挖掘問(wèn)題進(jìn)行研究：第一是研究了FP-樹(shù)的定義和構(gòu)造過(guò)程以及多種改進(jìn)算法，并分析了基于FP-樹(shù)進(jìn)行挖掘的可行性和完整性，然后提出了基于FP-樹(shù)的快速挖掘最大頻繁項(xiàng)目集的算法Max-FI(MaximalFreq

3、uentItemset)，該算法不需要生成最大頻繁候選項(xiàng)目集。改進(jìn)的FP-樹(shù)是單向的，每個(gè)節(jié)點(diǎn)只保留指向父節(jié)點(diǎn)的指針，這大約節(jié)省了三分之一的樹(shù)空間。試驗(yàn)結(jié)果表明該算法比同樣基于FP-樹(shù)的DMFIA算法挖掘最大頻繁項(xiàng)目集的效率更高。 第二是研究了挖掘有效且無(wú)冗余關(guān)聯(lián)規(guī)則的問(wèn)題。傳統(tǒng)算法在生成關(guān)聯(lián)規(guī)則時(shí)，或者生成規(guī)則的效率很低，或者生成的關(guān)聯(lián)規(guī)則之間存在著大量的冗余，或者挖掘出的規(guī)則的支持度和可信度都很高，但卻是無(wú)趣的、甚至是虛假的

4、規(guī)則，且不能產(chǎn)生帶有否定項(xiàng)的規(guī)則。本文提出了一種新的算法MVNR(MiningValidandnon-RedundantAssociationRulesAlgorithm)，在該算法中，首先對(duì)頻繁項(xiàng)集集合進(jìn)行檢查，刪除了那些只能生成冗余關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集，然后對(duì)分析過(guò)的頻繁項(xiàng)集集合中的每一個(gè)頻繁項(xiàng)集生成他們的極小子集集合，利用極小子集的性質(zhì)，刪除那些在其超集的極小子集集合中也存在的極小子集，最后根據(jù)用戶(hù)定義的條件生成關(guān)聯(lián)規(guī)則。