一種基于模式變換的高效關(guān)聯(lián)規(guī)則挖掘算法.pdf

1、挖掘事務(wù)數(shù)據(jù)庫(kù)、時(shí)間序列數(shù)據(jù)庫(kù)中的頻繁模式已經(jīng)成為數(shù)據(jù)挖掘中很受關(guān)注的研究方向.以前的研究大致可以歸納為兩類:一類是類似于Apriori的候選集產(chǎn)生與測(cè)試方法,但是在頻繁模式較長(zhǎng)時(shí),生成候選集需要很大開銷;另一類是不產(chǎn)生候選集的算法如FP-growth算法,它比Apriori算法有較大的性能提高,但仍存在著一定的缺點(diǎn):通過條件模式基的分析產(chǎn)生頻繁模式仍然需要大量的開銷.該文針對(duì)FP-growth算法的不足,給出一種基于頻繁模式樹的頻繁模

2、式挖掘算法FP-reduce.它采用FP-tree的數(shù)據(jù)結(jié)構(gòu)來存儲(chǔ)所有的頻繁模式信息并對(duì)FP-樹的每一個(gè)結(jié)點(diǎn)都進(jìn)行剩余保存,即對(duì)每一項(xiàng)集中的每一項(xiàng)都復(fù)制一份除去該項(xiàng)的剩余項(xiàng)集,并將其添加到FP-樹中,這樣就可以在保存了原來項(xiàng)集的信息的基礎(chǔ)上對(duì)原來的項(xiàng)集進(jìn)行處理:保留或者刪除,而不丟失信息.剩余保存使得所需計(jì)算的頻繁模式不斷地縮短,最終可得到所有的二項(xiàng)以上的頻繁項(xiàng)集形成的FP-樹.理論和實(shí)驗(yàn)表明,該算法具有優(yōu)良的性能,特別是當(dāng)數(shù)據(jù)集擴(kuò)大到