頻繁模式發(fā)現(xiàn)與多關(guān)系貝葉斯方法研究.pdf

1、隨著數(shù)據(jù)庫以及其管理系統(tǒng)的廣泛應(yīng)用，數(shù)據(jù)庫中存儲的海量數(shù)據(jù)急劇增大。因此，頻繁模式和多關(guān)系數(shù)據(jù)挖掘已成為數(shù)據(jù)挖掘中快速發(fā)展的重要研究課題。現(xiàn)實數(shù)據(jù)通常存儲于由多個關(guān)系組成的關(guān)系數(shù)據(jù)庫中，傳統(tǒng)的頻繁模式發(fā)現(xiàn)方法只能直接完成單一關(guān)系中的模式發(fā)現(xiàn)，如果要完成多關(guān)系數(shù)據(jù)的挖掘，會產(chǎn)生操作復(fù)雜性和效率低下等難題。
　　 本文在研究原有頻繁模式和多關(guān)系數(shù)據(jù)挖掘的基礎(chǔ)上，總結(jié)頻繁模式發(fā)現(xiàn)算法和多關(guān)系數(shù)據(jù)庫存在的問題和不足，提出了解決效率問題的

2、DS-ECLAT的頻繁模式發(fā)現(xiàn)算法以及在分類準(zhǔn)確度與執(zhí)行效率之間折中的增強貝葉斯網(wǎng)絡(luò)多關(guān)系分類(TAN-MRC)算法。論文主要創(chuàng)新點如下：
　　 一方面，DS-ECLAT算法使用垂直數(shù)據(jù)格式挖掘頻繁項集，在第一次迭代自連接頻繁項集后的每一次迭代都無須掃描整個數(shù)據(jù)庫。使用深度優(yōu)先搜索最長項技術(shù)，依次優(yōu)先查找某起始項的所有頻繁項集。引入回寫集(write-back sets)的概念，暫存新的頻繁項集的子集，以減少項之間的對比次數(shù)。該

3、算法相比ECLAT算法減少了內(nèi)存的需要，提高了運行效率。
　　 另一方面，現(xiàn)有的TAN方法通過計算互信息來發(fā)現(xiàn)屬性節(jié)點之間的強依賴性，放松了樸素貝葉斯網(wǎng)絡(luò)的條件獨立假設(shè)。本文改進(jìn)的TAN-MRC算法沿用這一優(yōu)點，假設(shè)表之間的屬性是相互獨立的，致力尋找表內(nèi)屬性的強依賴性，在構(gòu)建模型時以表為單位建立最大權(quán)重生成樹，最后加入類結(jié)點C生成TAN-MRC模型。
　　 原元組ID傳播方法僅允許類標(biāo)非正即負(fù)，TAN-MRC算法擴充了該