LR：一種新的頻繁項集挖掘算法.pdf

1、關(guān)聯(lián)規(guī)則問題是數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點。該問題的解決分為兩步：頻繁項集挖掘和利用這些頻繁項集產(chǎn)生強關(guān)聯(lián)規(guī)則。由于第一步?jīng)Q定著整體性能，因此研究頻繁項集挖掘問題具有十分重要的意義。 在頻繁項集挖掘算法中，對數(shù)據(jù)庫的表示可以采取水平表示、垂直表示等多種方法，采用垂直表示的算法性能通常優(yōu)于采用水平表示的算法。 數(shù)據(jù)庫垂直表示又可以分為兩種：用交集表示的tidset方法和用差集表示的diffset方法。當(dāng)數(shù)據(jù)庫稠密時，diff

2、set方法優(yōu)于tidset方法。當(dāng)數(shù)據(jù)庫很稀疏時，tidset方法在挖掘的開始階段優(yōu)于diffset方法，但隨著挖掘深度的增長，diffset方法逐漸地優(yōu)于tidset方法。于是Zaki提出先用tidset方法再改用diffset方法的上下分界算法，但仍存在一些不足。 本論文的主要工作有： 1.提出了一種新的算法LR。該算法第一次在tidset和diffset基礎(chǔ)上明確提出將頻繁1項集集合劃分成稠密部分和稀疏部分，并給出

3、了分界值的確定公式。它改變了上下分界算法將所有的頻繁1項集采取統(tǒng)一對待的方法，在挖掘時對這兩部分采取不同的策略：對稠密項部分采用diffset方法，對稀疏項部分采用Zaki提出的方法，即先采用tidset方法，當(dāng)挖掘到一定深度時，再改用diffset方法，從而達(dá)到很好的效果。 2.在回顧1993年來比較重要的頻繁項集挖掘算法的基礎(chǔ)上，第一次給出算法的歷史圖，從而有助于從宏觀的、動態(tài)的角度對頻繁項集挖掘算法有一個更全面、更清晰的認(rèn)