一種關聯(lián)規(guī)則數(shù)據(jù)挖掘算法的設計與實現(xiàn).pdf

1、該文對基于關聯(lián)規(guī)則的數(shù)據(jù)挖掘算法進行了研究,對經典的頻繁項集計數(shù)算法進行了改進,提高了關聯(lián)規(guī)則數(shù)據(jù)挖掘的效率,并應用改進算法對稅收數(shù)據(jù)信息庫進行了實驗性挖掘分析.主要包括:首先,對關聯(lián)規(guī)則數(shù)據(jù)挖掘算法研究進行了回顧,簡要討論了經典算法及其優(yōu)化算法的特點,分析了經典算法的不足.第二,設計一種新的頻繁項目集生成算法TPPC,對候選項集數(shù)據(jù)存儲結構和候選項集支持度計算方法進行了研究改進.TPPC主要采用了事務數(shù)據(jù)集、侯選項集的三次剪枝和侯選項

2、集的分區(qū)搜索計算技術.K剪枝和K+1剪枝基于以下性質:事務t包含一個K階頻繁項目集I,則I的的所有(k-1)階子項目集都是K-1階頻繁項目集;事務t'包含一個頻繁(K+1)項集I的必要條件是I的所有K階子項集屬于L<,k>.在第K輪迭代產生一個剪枝的事務數(shù)據(jù)庫D<,k+1>,使每輪迭代使用的事務數(shù)據(jù)集能包含事務減少,事務平均長度也不斷減小,從而減少事務數(shù)據(jù)庫的掃描開銷.TPPC在頻繁項目集計數(shù)算法上的改進:利用兩個一維數(shù)組,建立一種可快

3、速搜索定位的數(shù)據(jù)結構,將侯選項集序列劃分為若干連續(xù)的分區(qū),形成侯選項集的若干不相交的子集,將搜索和計數(shù)限定在相應的區(qū)間范圍,從而提高頻繁項集搜索和計數(shù)的效率.通過在多個實驗數(shù)據(jù)集上與Apriori算法的對比測試,其中包括運行時間、最大占用內存情況、事務數(shù)據(jù)集剪枝情況等,表明頻繁項目集生成效率得到大幅提高,TPPC相對Apriori可提高運行速度10倍以上.該文還對TPPC算法的時間復雜性和數(shù)據(jù)集掃描次數(shù)進行了分析.第三,對數(shù)據(jù)挖掘技術應