頻繁項目集挖掘算法研究.pdf

1、數(shù)據(jù)挖掘是從數(shù)據(jù)中析取、識別和發(fā)現(xiàn)潛在正確和有用、前所未知的、最終可理解的知識的過程。它是當今人工智能和數(shù)據(jù)庫研究方面最富活力的領(lǐng)域之一。關(guān)聯(lián)規(guī)則挖掘則是數(shù)據(jù)挖掘的一個重要研究內(nèi)容，而頻繁項目集挖掘又是關(guān)聯(lián)規(guī)則挖掘的核心問題。
　　 在實際問題中，頻繁項目集存在著較多的冗余信息，因此諸多學(xué)者采用各種方法試圖減少頻繁模式中的冗余。目前，主要采用的有頻繁閉項目集(FCI)和最大頻繁項目集(MFI)兩種，它們包含所有頻繁項目集的信息，

2、但數(shù)量要比頻繁項目集的數(shù)量小幾個數(shù)量級。
　　 本文首先對頻繁閉項目集和最大頻繁項目集挖掘中一些經(jīng)典的算法進行了系統(tǒng)的分析和總結(jié)，然后在此基礎(chǔ)上提出了新的解決相應(yīng)問題的挖掘算法：
　　 首先，提出了頻繁閉項目集挖掘算法Max-FCIA，該算法利用哈希表映射事務(wù)數(shù)據(jù)庫，通過對哈希表進行操作從而得到所有頻繁項目集的支持度，進而生成包含所有頻繁項目的有序樹。經(jīng)過剪枝處理的有序樹就是包含所有最小頻繁閉項目集的FC-tree，最后

3、用最小頻繁閉項目集生成頻繁閉項目集。實驗結(jié)果表明，該算法通過映射事務(wù)數(shù)據(jù)庫，減少了掃描數(shù)據(jù)庫所浪費的時間，提高程序執(zhí)行效率。另外，運用有效的剪枝策略，避免了不必要候選項目集的生成，節(jié)省了存儲空間，實驗證明該算法是有效的。
　　 其次，提出了最大頻繁項目集挖掘算法FP-MFIA，該算法利用頻繁模式樹對最大頻繁項目集進行檢索，通過位圖建樹的方法有效的減少了掃描數(shù)據(jù)庫的次數(shù)。除此以外，此算法運用獨特的最大頻繁項目集搜索策略，同時運用投

4、影技術(shù)進行超集檢測，提高了遍歷的效率，實驗證明FP-MFIA算法是比較有效的最大頻繁項目集搜索算法。
　　 另外，本文給出了頻繁閉項目集和最大頻繁項目集挖掘算法的一些新的、有效的改進措施：
　　 第一，提出了FC-tree的概念，將所有頻繁項目都存儲在FC-tree中，明顯減少了事務(wù)數(shù)據(jù)庫的掃描次數(shù)。而且，F(xiàn)C-tree是一棵有序樹，在項目集的搜索方面，根據(jù)項目集的有序性，采用了二分法查找的方法，可以大大節(jié)省系統(tǒng)在項目集