增量式關聯(lián)規(guī)則更新算法研究.pdf

1、在關聯(lián)規(guī)則挖掘的實際應用中，用于挖掘的數(shù)據(jù)常發(fā)生增加、減少和修改等數(shù)據(jù)更新，并且，用戶為了得到感興趣的關聯(lián)規(guī)則也常調(diào)整最小支持度和最小置信度這兩個閾值。此時，傳統(tǒng)的做法是用新的數(shù)據(jù)集和閾值按原來的挖掘算法重新再做一次計算，這樣，上一次的計算結果就白白浪費了。因此，關聯(lián)規(guī)則的增量更新問題成為關聯(lián)規(guī)則挖掘中的一個重要問題，它關心的是當原始數(shù)據(jù)庫中的數(shù)據(jù)或者最小支持度、最小置信度發(fā)生變化時，如何充分利用以前的挖掘結果來高效的獲得理想的關聯(lián)規(guī)則

2、。所以如果關聯(lián)規(guī)則挖掘算法能充分利用前次挖掘結果來加速本次挖掘過程，而不是簡單地將關聯(lián)規(guī)則算法重新作用于整個事務數(shù)據(jù)庫。那整個挖掘過程的效率可得到大幅度的提高，尤其對給定大型數(shù)據(jù)庫中的海量數(shù)據(jù)，更可取的是增量式更新數(shù)據(jù)挖掘。應用增量式更新挖掘算法漸增地進行知識更新，修正和加強先前已經(jīng)發(fā)現(xiàn)的知識可以說是一個誘人的目標。因此，研究增量式關聯(lián)規(guī)則更新挖掘算法具有很重要的實用意義。
　　 本文就是針對增量式關聯(lián)規(guī)則挖掘更新算法展開研究，

3、其主要工作可以概括為：
　　 ①綜合前人的工作，根據(jù)相關的文獻，綜述了關聯(lián)規(guī)則挖掘算法。重點研究了基本類型的經(jīng)典關聯(lián)規(guī)則挖掘算法，分析各自的優(yōu)缺點；分析算法中頻繁項集的搜索策略；總結了基于經(jīng)典算法的各種改進優(yōu)化策略。
　　 ②分析了一種增量更新算法—NewQAIS算法，舉例說明了該算法的使用。并把它與Apriori算法進行了分析比較。
　　 ③針對NewQAIS算法的缺點，提出了改進優(yōu)化策略。在此基礎上提出了一種

4、改進算法-OFIUA(Ordered Forst Incremental Updating Algorithm)。
　　 OFIUA算法引入了矩陣思想，通過一次掃描事務數(shù)據(jù)庫將其轉(zhuǎn)化為0-1矩陣，用向量的內(nèi)積運算計算項集的支持數(shù)，大大提高了運算效率。分析NewQAIS算法中項集的構成特點，指出了算法中在生成項集和查找方面的不足，OFIUA算法引入了有序森林的數(shù)據(jù)結構。有序森林里的有序樹相互獨立，提高了利用Apriori算法的ap