基于興趣度的關(guān)聯(lián)規(guī)則挖掘算法的研究.pdf

1、數(shù)據(jù)挖掘是面向海量數(shù)據(jù)的知識發(fā)現(xiàn)技術(shù),研究高效的挖掘算法是數(shù)據(jù)挖掘研究的重要內(nèi)容之一.關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的重要模式之一,有著極其重要應(yīng)用價值.該文主要研究了如何提高布爾關(guān)聯(lián)規(guī)則的挖掘算法的有效性和伸縮性.Apriori算法是挖掘布爾關(guān)聯(lián)規(guī)則的算法,而該算法在空間和時間的復(fù)雜性有著難以克服的局限性.因此,文中引入了一種不需要產(chǎn)生候選項的頻繁模式增長算法,將數(shù)據(jù)庫的事務(wù)的信息壓縮到FP—樹,然后通過后綴與前綴連接產(chǎn)生頻繁模式,從而避免了多次

2、掃描數(shù)據(jù)庫,降低了時間開銷.當(dāng)數(shù)據(jù)庫中的項目數(shù)目較大且事務(wù)數(shù)量巨大時,頻繁模式增長算法內(nèi)存開銷很大,可能導(dǎo)致內(nèi)存空間不足的現(xiàn)象.因此,該文提出了基于極大團(tuán)劃分的模式增長算法,將事務(wù)項目集分解成若干子集,對每個子集分別使用頻繁模式增長算法找出它們的頻繁模式,從而解決了內(nèi)存不足的矛盾.同時,提出了一種用鄰接矩陣產(chǎn)生頻繁2-項集的方法,可以減少掃描數(shù)據(jù)庫的次數(shù).如何從大量的關(guān)聯(lián)模式中篩選出用戶感興趣且有價值的規(guī)則,是算法研究的重要內(nèi)容之一.基