基于FP-tree關(guān)聯(lián)規(guī)則挖掘算法的研究與應(yīng)用.pdf

1、數(shù)據(jù)挖掘技術(shù)是信息科學(xué)領(lǐng)域的前沿研究課題之一。關(guān)聯(lián)規(guī)則揭示項集間的相聯(lián)關(guān)系，已廣泛應(yīng)用于市場營銷、醫(yī)學(xué)、電信、農(nóng)業(yè)等領(lǐng)域，是數(shù)據(jù)挖掘的重要研究課題。本文主要研究基于FP-tree的關(guān)聯(lián)規(guī)則挖掘算法。 基于FP-tree的DMFIA算法是的當(dāng)前挖掘最大頻繁項目集算法中應(yīng)用最廣效率較高的算法之一。但是DMFIA算法在生成最大頻繁項目集時，要生成候選最大頻繁項目集，當(dāng)數(shù)據(jù)庫中的頻繁項目很多，而每一個事務(wù)中的頻繁項目很少時，會產(chǎn)生大量的

2、候選頻繁項集。針對該問題，本文改進了傳統(tǒng)的FP-tree結(jié)構(gòu)，并提出了一種基于改進FP-tree的最大頻繁模式挖掘算法FP-MFI，該算法不需要生成最大頻繁候選項目集，改進的FP-tree是單向的，每個節(jié)點只保留了指向父節(jié)點的指針，可節(jié)約樹空間。實驗結(jié)果表明FP-MFI算法在數(shù)據(jù)庫中頻繁項目很多，而每一個事務(wù)中頻繁項目很少的情況下，比同樣基于FP-tree的DMFIA算法挖掘最大頻繁項目集的效率更高。 針對FP-tree算法在挖

3、掘大型數(shù)據(jù)庫時占用內(nèi)存大，運行速度慢的問題，本文提出了一種適合挖掘大規(guī)模數(shù)據(jù)庫的FP-LMFI算法，該算法利用一種分解方法，有效地將一棵FP樹分解為多棵小FP樹，適合在多臺主機上進行運算，最終將各個挖掘結(jié)果取并集，得到目標(biāo)的全部頻繁項集。實驗結(jié)果表明FP-P算法可以將大規(guī)模數(shù)據(jù)庫的關(guān)聯(lián)規(guī)則挖掘工作分布到眾多計算能力不是很強的各個主機上進行。 最后，本文探討了基于FP-tree的最大頻繁模式挖掘算法FP-MFI和大規(guī)模數(shù)據(jù)庫挖掘算