基于投影數(shù)組和加權(quán)FP-tree的頻繁項(xiàng)集挖掘算法研究.pdf

1、頻繁項(xiàng)集挖掘是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)比較關(guān)鍵的問(wèn)題。然而，從大型稠密數(shù)據(jù)集中挖掘頻繁項(xiàng)集存在三個(gè)主要的瓶頸問(wèn)題：第一，算法的挖掘效率不是很高；第二，產(chǎn)生的頻繁項(xiàng)集的數(shù)量太多；第三，沒(méi)有采用合理的約束思想，不能有效的挖掘用戶(hù)興趣模式。本文針對(duì)這些問(wèn)題，將研究重點(diǎn)放在頻繁項(xiàng)集挖掘算法上，其研究成果可廣泛應(yīng)用于客戶(hù)購(gòu)買(mǎi)行為模式預(yù)測(cè)、序列分析和軟件安全分析等領(lǐng)域。
　　首先，本文提出了基于投影數(shù)組的頻繁項(xiàng)集挖掘算法MFIPA?；诖怪焙退交?/p>

2、合數(shù)據(jù)格式，通過(guò)交集操作找到與單個(gè)頻繁項(xiàng)共同發(fā)生的項(xiàng)集，產(chǎn)生投影數(shù)組PArray；然后，通過(guò)單個(gè)頻繁項(xiàng)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(xiàng)集。
　　其次，為了減少頻繁項(xiàng)集的數(shù)量，設(shè)計(jì)了一個(gè)新穎的頻繁閉項(xiàng)集挖掘算法 FCIL-Mine?；谕队皵?shù)組，首先提出了頻繁閉項(xiàng)集框架數(shù)據(jù)結(jié)構(gòu)FCIL，該框架主要是用來(lái)存儲(chǔ)頻繁閉項(xiàng)集的一些信息。然后，通過(guò)哈希檢測(cè)和包含檢測(cè)剪枝策略的使用，進(jìn)而挖掘所有的頻繁閉項(xiàng)集。

3、r>　　最后，提出了一個(gè)基于加權(quán)FP-tree及長(zhǎng)度遞減支持度約束的加權(quán)頻繁項(xiàng)集挖掘算法LWFI-Mine。該算法可以有效的挖掘滿(mǎn)足用戶(hù)興趣的項(xiàng)集。首先通過(guò)掃描數(shù)據(jù)庫(kù)，構(gòu)造數(shù)據(jù)結(jié)構(gòu)加權(quán)FP-tree。然后提出加權(quán)最小有效擴(kuò)展性質(zhì)WSVE及基于此性質(zhì)的三種剪枝策略：事務(wù)剪枝、結(jié)點(diǎn)剪枝和路徑剪枝，縮小了FP-tree的搜索空間，進(jìn)而挖掘所有滿(mǎn)足約束的頻繁項(xiàng)集。
　　本文使用 C++語(yǔ)言對(duì)上述算法進(jìn)行實(shí)現(xiàn)，采用稀疏的人工數(shù)據(jù)集T40I1