基于膜系統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、膜計算是自然計算中一種新型的方式，是在活細胞以及器官和組織的結(jié)構(gòu)和功能的啟發(fā)下，抽象出來的計算模型。膜計算模型具有極大并行性的處理能力，它為計算機學(xué)注入了新的思想和方法。同時，有些生命活動的建模和仿真也依賴于膜計算模型。目前，膜計算已經(jīng)引起了學(xué)者們的廣泛關(guān)注和研究，在數(shù)學(xué)、醫(yī)學(xué)、生物學(xué)、圖形學(xué)和經(jīng)濟學(xué)等學(xué)科領(lǐng)域獲得了應(yīng)用，有著很好的前景。
　　近年來，隨著“大數(shù)據(jù)”時代的到來，數(shù)據(jù)挖掘已然成為學(xué)者們研究的熱點。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)

2、域中最重要的研究課題之一。其中，挖掘頻繁模式是主要內(nèi)容。頻繁模式是指頻繁地在事務(wù)數(shù)據(jù)庫中出現(xiàn)的項的集合。本文以兩個經(jīng)典的頻繁模式挖掘算法（Apriori算法和FP-Growth算法）為例展開研究。通過對這兩種頻繁模式挖掘算法進行深入理解與分析，將其與并行性和分布式的膜系統(tǒng)結(jié)合起來，從而實現(xiàn)算法的改進。最后通過仿真實驗與結(jié)果分析，證明實現(xiàn)Apriori算法和FP-Growth算法的膜系統(tǒng)具有良好的有效性和可行性。
　　本文第一章是緒

3、論，介紹了論文研究背景和意義以及目前膜計算和關(guān)聯(lián)規(guī)則的國內(nèi)外研究現(xiàn)狀。第二章是膜計算概述，介紹了膜計算的產(chǎn)生與原理。同時，基于三個關(guān)鍵要素——膜結(jié)構(gòu)、膜內(nèi)對象和進化規(guī)則，分別對膜計算模型進行分類，并且提出一種S細胞型膜系統(tǒng)。
　　第三章對傳統(tǒng)的Apriori算法進行改進，并且在改進的基礎(chǔ)上構(gòu)造實現(xiàn)該算法的 S細胞型膜系統(tǒng)。該膜系統(tǒng)基于并行性的處理能力，按照一定的標準將已有的頻繁2項集進行分組，然后將不同的組送入到不同的膜中繼續(xù)進行

4、頻繁模式的挖掘，降低了時間復(fù)雜度，提高了算法的效率。
　　第四章以FP-Growth算法為例，將MapReduce結(jié)構(gòu)與膜系統(tǒng)進行結(jié)合，構(gòu)造了基于MapReduce結(jié)構(gòu)實現(xiàn)FP-Growth算法的S細胞型膜系統(tǒng)。構(gòu)造的膜系統(tǒng)主要有兩個關(guān)鍵點：
　?。?）利用MapReduce結(jié)構(gòu)，通過在不同的Map和Reduce工作室中對所有事務(wù)進行處理，得到頻繁1項集。
　?。?）對于每個頻繁1項的子數(shù)據(jù)庫，將不同的條件模式基分配到

5、不同的Map和Reduce工作室中繼續(xù)挖掘頻繁模式。在這里，每個Map和Reduce工作室都用膜系統(tǒng)的膜進行表示。基于以上兩個改進點，該膜系統(tǒng)能夠并行性地完成頻繁1項集以及各個子數(shù)據(jù)庫中頻繁模式的挖掘，避免了在傳統(tǒng)的FP-Growth算法中需要遞歸地產(chǎn)生大量條件FP樹的可能，減少了內(nèi)存的占用空間。最后，通過實例以及仿真實驗，證明了該膜系統(tǒng)的可行性。
　　第五章是S細胞型P系統(tǒng)在微博用戶推薦中的應(yīng)用研究。在本章中，基于關(guān)聯(lián)規(guī)則和Ma