高價值項集挖掘算法研究.pdf

1、關聯(lián)規(guī)則挖掘是數據挖掘領域一個重要的研究課題，傳統(tǒng)的關聯(lián)規(guī)則挖掘中只考慮項目在事務中出現(xiàn)與否。然而，在一條事務中，顧客可能購買同一種商品多個，而每件商品的利潤也不盡相同。單純基于支持度的數據挖掘可能會導致一些重要的項集因為支持度低而不被發(fā)現(xiàn)。為解決這個問題，學者們提出了基于價值的項集挖掘。
　　 通過對已有的高價值項集挖掘算法研究，發(fā)現(xiàn)現(xiàn)有的算法都是基于候選項集生成一剪枝-檢驗方法，這些算法存在著與Apriori-like算法類

2、似的不足之處：數據庫掃描次數太多，特別是當挖掘長模式高價值項集時弊端更為明顯；另外產生的候選集過大，測試候選集是否為可能高價值項集及計算項集的價值需要花費大量的時間。為此，本文提出了一種新的數據結構：PHUI-tree（Possible High Utility Item Tree，簡稱PHUI-tree）。利用模式增長方法，提出了一種基于PHUI-tree的高價值項集挖掘算法DHUI。在PHUI-tree中直接挖掘高價值項集，而不需要