基于關(guān)聯(lián)規(guī)則挖掘算法的相關(guān)技術(shù)研究.pdf

1、隨著信息產(chǎn)業(yè)的發(fā)展，人們獲取數(shù)據(jù)和知識的手段已趨向于多樣化。人類擁有的數(shù)據(jù)量越來越龐大，在這些數(shù)據(jù)量的背后可能隱藏著大量我們感興趣的信息，如何有效的挖掘這些信息成為一個亟待解決的難題。而數(shù)據(jù)挖掘技術(shù)使人類擺脫了這一難題，它融合了數(shù)據(jù)庫、數(shù)理統(tǒng)計、機器學習、模式識別和人工智能等各種學科，可以從大量的、無規(guī)律的、有噪音的數(shù)據(jù)庫中提取事先未知的信息和知識，被廣泛的應用于各個領(lǐng)域，而關(guān)聯(lián)規(guī)則挖掘技術(shù)是其中最活躍、研究最為廣泛的課題之一。自R．A

2、grawal等人在1994年提出基于Apriori的關(guān)聯(lián)規(guī)則挖掘算法之后，諸多學者開始對關(guān)聯(lián)規(guī)則挖掘問題進行了大量的研究，并提出了許多改進算法。
　　 本文對關(guān)聯(lián)規(guī)則問題進行了詳細的分析和闡述，并詳細的研究了其中一個經(jīng)典算法FP-growth算法。FP-growth算法的應用范圍最廣，它把事務數(shù)據(jù)庫壓縮到一個FP-樹進行處理，相對Apriori算法來說，最大的優(yōu)點是不需要產(chǎn)生候選頻繁項集且只需要兩次掃描數(shù)據(jù)庫。但是它仍然存在一些

3、問題，比如需要產(chǎn)生大量的條件FP-樹、不能有效的挖掘大型數(shù)據(jù)庫等。本文針對的FP-growth算法的缺點做了如下改進：通過對事務數(shù)據(jù)庫的約簡，減小了第二次掃描數(shù)據(jù)庫時的數(shù)據(jù)量；對項頭目表的存儲結(jié)構(gòu)做了改進，添加了一個基于哈希表的輔助表，可以提高對項頭目表查找的時間復雜度；構(gòu)造逆向的FP-樹并修改逆向FP-樹的結(jié)構(gòu)，可以節(jié)省逆向FP-樹所占的存儲空間。并給出實驗結(jié)果和性能分析，證明改進算法的正確性和高效性。
　　 最后針對現(xiàn)有的F