關(guān)聯(lián)規(guī)則挖掘算法的設(shè)計與實現(xiàn).pdf

1、　　數(shù)據(jù)挖掘技術(shù)是解決數(shù)據(jù)豐富而知識貧乏的有效途徑,當屬信息科學(xué)領(lǐng)域的前沿研究課題之一,有關(guān)的研究和應(yīng)用極大提高了決策支持的能力,它已被公認為是數(shù)據(jù)庫研究中一個極富應(yīng)用前景的領(lǐng)域。本文描述了數(shù)據(jù)挖掘的概念、功能以及發(fā)現(xiàn)模式的分類。在眾多的數(shù)據(jù)挖掘算法中,挖掘關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)域中的重要研究內(nèi)容,其中挖掘頻繁項目集是挖掘關(guān)聯(lián)規(guī)則中的關(guān)鍵問題之一。又因為最大頻繁項目集已經(jīng)隱含了所有的頻繁項目集,所以可以將發(fā)現(xiàn)頻繁項目集的問題轉(zhuǎn)化為發(fā)現(xiàn)最大

2、頻繁項目集的問題。本文主要對挖掘頻繁項目集與挖掘最大頻繁項目集的問題進行了研究
　　先前的挖掘頻繁項目集算法分為基于Apriori算法和FP_growth算法兩類?；贏priori算法都需要先生成候選頻繁項目集,再對其進行檢驗以判斷其是否為頻繁的；基于FP_growth算法則至少都需要掃描兩遍數(shù)據(jù)庫以建立FP-tree。然而掃描數(shù)據(jù)庫和檢驗候選項目集是否為頻繁項目集這些過程所需代價都是很高的。本文首先提出了一種改進的挖掘頻繁項目

3、集的算法IODLG,主要從以下幾個方面改進了算法挖掘效率。第一采用位陣存儲技術(shù)即為每個項目賦一個比特值,此技術(shù)使得算法只需掃描一遍數(shù)據(jù)庫,就可得到挖掘頻繁項目集所需的全部信息,并可以加快檢測候選項目集的速度；第二定義項目值以取代項目名,項目值可以更好的與項目的比特向量建立關(guān)聯(lián)；第三為關(guān)聯(lián)圖中的每個節(jié)點定義出度與入度值,可以有效減少候選項目集的個數(shù)。經(jīng)試驗證明,通過以上三個方面的改進,IODLG算法可以大大提高算法挖掘頻繁項目集的效率并減

4、少系統(tǒng)的存儲空間。
　　對于最大頻繁項目集挖掘方面,本文在充分研究已有算法的基礎(chǔ)之上,提出了一種新的基于FP-tree的挖掘最大頻繁項目集算法MFI-FP。算法主要包括一下三個部分：首先定義新FP-tree結(jié)構(gòu),說明其構(gòu)造過程并分析其性質(zhì)。采用新FP-tree可以使算法只需掃描一遍FP—tree即可得到挖掘最大頻繁項目集所需的信息,同時掃描過FP-tree后,可以立即釋放FP-tree中大量的無用節(jié)點以節(jié)省空間；其次,提出了一種新