基于決策樹算法的多關(guān)系數(shù)據(jù)分類研究.pdf

1、多關(guān)系數(shù)據(jù)挖掘是近年來快速發(fā)展的重要的數(shù)據(jù)挖掘領(lǐng)域之一。傳統(tǒng)的數(shù)據(jù)挖掘方法只能從單一關(guān)系中進行模式發(fā)現(xiàn),而很難在復雜的結(jié)構(gòu)化數(shù)據(jù)中發(fā)現(xiàn)復雜的關(guān)系模式。但是在實際應(yīng)用中,數(shù)據(jù)的組織形式多以關(guān)系數(shù)據(jù)庫中的多關(guān)系模式表示,傳統(tǒng)的數(shù)據(jù)挖掘方法并不適合。而多關(guān)系數(shù)據(jù)挖掘算法則能夠良好的適應(yīng)關(guān)系數(shù)據(jù)庫中多關(guān)系的數(shù)據(jù)組織,很好的完成挖掘任務(wù)。因此本文以多關(guān)系數(shù)據(jù)挖掘算法作為研究對象。
　　 對于多關(guān)系數(shù)據(jù)挖掘算法而言,高效性和可擴展性一直是該

2、領(lǐng)域的研究重點。因為多關(guān)系數(shù)據(jù)挖掘任務(wù)的復雜性對算法性能提出了更高的要求,同時,由于在多關(guān)系模式下,算法的搜索空間比單一關(guān)系模式下變得更大,更復雜。對于每個優(yōu)化假設(shè)的評價也更為復雜。針對多關(guān)系數(shù)據(jù)挖掘算法存在的這些問題,本文的研究重點放在了提高多關(guān)系數(shù)據(jù)挖掘算法的效率上。
　　 制約多關(guān)系數(shù)據(jù)挖掘算法的瓶頸在于搜索空間的大小,因此提高效率的關(guān)鍵在于減少搜索空間的大小。本文以多關(guān)系數(shù)據(jù)分類算法為切入點,用決策樹算法建立多關(guān)系分類模

3、型實現(xiàn)多關(guān)系數(shù)據(jù)分類的目標。在提高算法效率上面,本文主要做了以下的工作:
　　 在多關(guān)系決策樹算法中加入充分表,減少了對每個假設(shè)模式評價過程中,所需連接數(shù)據(jù)表的數(shù)量。同時,引入目標元組ID傳播技術(shù),使得每個假設(shè)模式評價過程的連接都不浪費,即使該模式不是最優(yōu)的,也會進行目標元組ID的傳播,從而保留該連接信息。使得算法模式評價的效率有所提高。
　　 使用PKDD'99中的Financial數(shù)據(jù)集對改進的多關(guān)系決策樹算法進行了