加權條件下負關聯(lián)規(guī)則的增量更新及剪枝算法.pdf

1、關聯(lián)規(guī)則作為數(shù)據(jù)挖掘的一個熱點方向，已經(jīng)引起很多學者的廣泛關注。本文在介紹權值和負關聯(lián)規(guī)則的基礎上，重點討論了加權負關聯(lián)規(guī)則的增量更新和剪枝算法。
　　 加權負關聯(lián)規(guī)則的增量更新，就是對已經(jīng)發(fā)生變化的數(shù)據(jù)庫進行新關系新規(guī)則的重新尋找，但并不是在發(fā)生變動后的數(shù)據(jù)庫上運行原來的規(guī)則挖掘算法，而是既有效利用原有知識，又能及時發(fā)現(xiàn)新知識的過程。這是因為在大型數(shù)據(jù)庫中，需要對數(shù)據(jù)庫進行大量重復的掃描來挖掘新知識，而這樣發(fā)現(xiàn)強規(guī)則的代價是很

2、大的。而且這對關聯(lián)規(guī)則在知識發(fā)現(xiàn)系統(tǒng)中的維護也提出了很高的要求。事實上，在規(guī)則維護問題中最復雜和最困難的就是新關系的發(fā)現(xiàn)。本文研究了一種加權條件下負關聯(lián)規(guī)則的增量更新算法。通過實驗證明該算法是高效可行的。
　　 另外，傳統(tǒng)的關聯(lián)規(guī)則挖掘算法apriori中所采用的剪枝方法是項集的向上閉包性質，即頻繁項集的子集還是頻繁項集,非頻繁項集的超級一定是非頻繁項集。但是加入權值以后，原來apriori算法中項集剪枝中的向上閉包性不在適用，