平均高效用項(xiàng)集挖掘算法研究.pdf

1、關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘研究中最活躍的研究問(wèn)題之一，通過(guò)從數(shù)據(jù)中找到事務(wù)間的內(nèi)在聯(lián)系，提供給用戶符合用戶需求和興趣的挖掘結(jié)果。關(guān)聯(lián)規(guī)則挖掘可以處理來(lái)自各行各業(yè)的數(shù)據(jù)，在商業(yè)活動(dòng)、科學(xué)研究、生物醫(yī)療等領(lǐng)域都有廣泛的應(yīng)用。在進(jìn)行傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘時(shí)，首先需要根據(jù)項(xiàng)集出現(xiàn)頻次得到頻繁項(xiàng)集，然后根據(jù)規(guī)則置信度產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則;頻繁項(xiàng)集挖掘只考慮項(xiàng)集的出現(xiàn)頻次，忽略了各項(xiàng)本身的性質(zhì)，所以出現(xiàn)頻次不高但是具有價(jià)值的挖掘結(jié)果可能被丟失。為了克服這個(gè)缺點(diǎn)，基

2、于效用的關(guān)聯(lián)規(guī)則挖掘被提出。效用值用來(lái)衡量項(xiàng)的重要性，能夠體現(xiàn)出項(xiàng)之間的差異?；谛в弥档年P(guān)聯(lián)規(guī)則挖掘通過(guò)綜合考慮項(xiàng)的頻次和效用值，挖掘出更貼合用戶需要的結(jié)果。傳統(tǒng)的效用值會(huì)受到項(xiàng)集長(zhǎng)度的影響，即項(xiàng)集長(zhǎng)度越長(zhǎng)，項(xiàng)集的效用值越大;為了消除這種影響，平均效用值和平均高效用項(xiàng)集挖掘算法被提出。目前存在的平均高效用項(xiàng)集挖掘算法往往需要多次掃描數(shù)據(jù)庫(kù)或者產(chǎn)生大量的候選項(xiàng)集，會(huì)消耗大量的時(shí)間和空間。本文圍繞著提高平均高效用項(xiàng)集挖掘的效率和數(shù)據(jù)流上的

3、平均高效用項(xiàng)集挖掘展開(kāi)研究，主要內(nèi)容包括:
　　本文針對(duì)現(xiàn)有的平均高效用項(xiàng)集挖掘算法需要產(chǎn)生候選項(xiàng)集這一問(wèn)題，提出了新的平均高效用項(xiàng)集挖掘算法HAUI-Mine。該算法只需要掃描兩次數(shù)據(jù)庫(kù)，并且挖掘過(guò)程中不需要產(chǎn)生候選項(xiàng)集。還設(shè)計(jì)了一種新的數(shù)據(jù)結(jié)構(gòu)HAUI-Tree，其中壓縮存儲(chǔ)事務(wù)數(shù)據(jù)庫(kù)中的信息，通過(guò)遞歸構(gòu)造條件模式樹(shù)來(lái)挖掘平均高效用項(xiàng)集。實(shí)驗(yàn)結(jié)果表明，在數(shù)據(jù)集比較稠密或閾值比較小的情況下，HAUI-Mine算法的運(yùn)行效率明顯優(yōu)

4、于HAUP-Mine算法。提出了能夠適用于數(shù)據(jù)流上的平均高效用項(xiàng)集挖掘的ITR-Mine算法。區(qū)別于傳統(tǒng)事務(wù)數(shù)據(jù)庫(kù)，數(shù)據(jù)流是無(wú)限的、按照一定順序到達(dá)的流動(dòng)的數(shù)據(jù)。因?yàn)閿?shù)據(jù)流的特性，事務(wù)數(shù)據(jù)庫(kù)中的挖掘算法不能直接對(duì)數(shù)據(jù)流進(jìn)行實(shí)時(shí)、快速的挖掘。將ITR-Mine算法和滑動(dòng)窗口技術(shù)相結(jié)合，可以用于挖掘數(shù)據(jù)流中的平均高效用項(xiàng)集。ITR-Tree算法只需要掃描窗口內(nèi)數(shù)據(jù)一次，同時(shí)在挖掘過(guò)程中能夠避免產(chǎn)生候選項(xiàng)集。在ITR-Mine算法中，用ITR