基于樹的不確定性數(shù)據(jù)挖掘算法研究.pdf

1、隨著社會的發(fā)展，人們收集了越來越多的數(shù)據(jù)。但往往它們會有部分缺失、含有噪音等問題?？墒莻鹘y(tǒng)的頻繁項集挖掘算法已不再適用這種不確定性數(shù)據(jù)的挖掘。所以，我們需要新的算法來處理不確定性數(shù)據(jù)。
　　本文討論了現(xiàn)有的UF-growth算法，通過實驗測試了它的有效性和高效性（和U-Apriori算法進行比較而言）。但是，UF-growth算法還是有一定的缺陷：過多消耗資源、費時等。所以，本文針對這兩個問題，提出了兩種改進的方法，并提出了相關(guān)的

2、三個新算法：
　?。?）為了節(jié)省系統(tǒng)資源，增大構(gòu)建 UF-tree時節(jié)點的共享率，我們采用了對不確定數(shù)據(jù)庫中項集存在概率有效位數(shù)進行限制的方法，并提出了新算法 LUF-growth。通過實驗表明這種方法是有效的，且優(yōu)于改進前的UF-growth算法。
　?。?）在構(gòu)建 UF-tree時，為了避免插入新事物時算法遍歷 UF-tree所用的時間，我們對頭表進行了改進（添加 U-tail域），并提出了新算法 UFT-growth。