關(guān)聯(lián)規(guī)則中的Apriori算法的研究與改進(jìn).pdf

1、近十幾年來(lái),人們利用信息技術(shù)生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高,數(shù)據(jù)資料的規(guī)模急速膨脹。于是,人們希望有新一代的技術(shù)和工具能夠智能地自動(dòng)地幫助人們分析已經(jīng)消耗大量財(cái)力和物力所收集與整理的海量數(shù)據(jù),以發(fā)現(xiàn)有用的知識(shí),達(dá)到為決策服務(wù)的目的。因此,面對(duì)“人們被數(shù)據(jù)淹沒(méi),人們卻饑餓于知識(shí)”的挑戰(zhàn),數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生,并得以蓬勃發(fā)展。數(shù)據(jù)挖掘是當(dāng)今人工智能和數(shù)據(jù)庫(kù)研究方面最富活力的領(lǐng)域。數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的知識(shí)的過(guò)程。關(guān)聯(lián)規(guī)

2、則挖掘是數(shù)據(jù)挖掘的主要研究?jī)?nèi)容。而頻繁項(xiàng)目集的發(fā)現(xiàn)是關(guān)聯(lián)規(guī)則挖掘的核心問(wèn)題。
　　本文詳細(xì)描述了數(shù)據(jù)挖掘、關(guān)聯(lián)規(guī)則的基本理論以及關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法Apriori算法,并對(duì)經(jīng)典Apriori算法進(jìn)行了分析發(fā)現(xiàn)其存在著規(guī)則冗余度大、效率不高和不能挖掘定量規(guī)則等缺陷。本文針對(duì)此算法的算法瓶頸問(wèn)題提出了兩種改進(jìn)方法,如下:
　　1.針對(duì)經(jīng)典Apriori算法運(yùn)行效率瓶頸問(wèn)題,結(jié)合位集合占用內(nèi)存空間少、邏輯運(yùn)算快的特點(diǎn),本文提出一

3、種基于項(xiàng)集位邏輯運(yùn)算的改進(jìn)算法:B_Apriori算法。該算法通過(guò)一次數(shù)據(jù)庫(kù)掃描,構(gòu)建事務(wù)集位集合;采用項(xiàng)集位邏輯“與”運(yùn)算和位統(tǒng)計(jì)操作確定頻繁項(xiàng)集;改進(jìn)連接和剪枝策略,采用項(xiàng)集位的邏輯“或”運(yùn)算,統(tǒng)計(jì)運(yùn)算結(jié)果重復(fù)出現(xiàn)次數(shù),生成候選項(xiàng)集。實(shí)驗(yàn)證明,通過(guò)與經(jīng)典Apriori算法的對(duì)比可以發(fā)現(xiàn),B_Apriori算法運(yùn)行時(shí)間明顯減少。該算法避免了數(shù)據(jù)庫(kù)的重復(fù)掃描和繁瑣的連接減枝操作,進(jìn)一步提高了Apriori算法的運(yùn)行效率。
　　2.

4、針對(duì)經(jīng)典Apriori算法在統(tǒng)計(jì)事務(wù)庫(kù)中的項(xiàng)時(shí)要反復(fù)掃描事務(wù)庫(kù),算法開(kāi)銷(xiāo)很大的問(wèn)題,本章結(jié)合數(shù)學(xué)中矩陣以及向量?jī)?nèi)積的概念上提出了一種新的Apriori改進(jìn)算法:Apriori_Matrix算法。Apriori_Matrix算法從三個(gè)方面對(duì)原有的算法進(jìn)行了改進(jìn),減少了產(chǎn)生的候選頻繁項(xiàng)集Ck中項(xiàng)集的數(shù)據(jù),也減少了剪枝過(guò)程中的運(yùn)算次數(shù),在統(tǒng)計(jì)支持度階段減少了需要掃描的數(shù)據(jù)庫(kù)中的事務(wù)數(shù)。而且計(jì)算機(jī)進(jìn)行向量運(yùn)算和位運(yùn)算速度更快,程序也會(huì)更容易實(shí)現(xiàn)