基于投影數(shù)組和加權FP-tree的頻繁項集挖掘算法研究.pdf

1、頻繁項集挖掘是數(shù)據(jù)挖掘領域中一個比較關鍵的問題。然而，從大型稠密數(shù)據(jù)集中挖掘頻繁項集存在三個主要的瓶頸問題：第一，算法的挖掘效率不是很高；第二，產生的頻繁項集的數(shù)量太多；第三，沒有采用合理的約束思想，不能有效的挖掘用戶興趣模式。本文針對這些問題，將研究重點放在頻繁項集挖掘算法上，其研究成果可廣泛應用于客戶購買行為模式預測、序列分析和軟件安全分析等領域。
　　首先，本文提出了基于投影數(shù)組的頻繁項集挖掘算法MFIPA?；诖怪焙退交?/p>

2、合數(shù)據(jù)格式，通過交集操作找到與單個頻繁項共同發(fā)生的項集，產生投影數(shù)組PArray；然后，通過單個頻繁項與其投影的非空子集合并及深度優(yōu)先搜索策略的使用，挖掘所有的頻繁項集。
　　其次，為了減少頻繁項集的數(shù)量，設計了一個新穎的頻繁閉項集挖掘算法 FCIL-Mine?；谕队皵?shù)組，首先提出了頻繁閉項集框架數(shù)據(jù)結構FCIL，該框架主要是用來存儲頻繁閉項集的一些信息。然后，通過哈希檢測和包含檢測剪枝策略的使用，進而挖掘所有的頻繁閉項集。

3、r>　　最后，提出了一個基于加權FP-tree及長度遞減支持度約束的加權頻繁項集挖掘算法LWFI-Mine。該算法可以有效的挖掘滿足用戶興趣的項集。首先通過掃描數(shù)據(jù)庫，構造數(shù)據(jù)結構加權FP-tree。然后提出加權最小有效擴展性質WSVE及基于此性質的三種剪枝策略：事務剪枝、結點剪枝和路徑剪枝，縮小了FP-tree的搜索空間，進而挖掘所有滿足約束的頻繁項集。
　　本文使用 C++語言對上述算法進行實現(xiàn)，采用稀疏的人工數(shù)據(jù)集T40I1