基于正負(fù)項(xiàng)目及多支持度的關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘的一個(gè)重要分支,目前已經(jīng)在許多領(lǐng)域得到成功應(yīng)用。然而,大多數(shù)的關(guān)聯(lián)規(guī)則只考慮了事務(wù)屬性之間的正向聯(lián)系,對(duì)于隱藏在數(shù)據(jù)中的否定聯(lián)系,卻沒有引起足夠的重視。
　　 本文闡述了一種完整形式的關(guān)聯(lián)規(guī)則,同時(shí)考慮了事務(wù)數(shù)據(jù)庫中的正項(xiàng)目和負(fù)項(xiàng)目,不但能夠反映事務(wù)屬性間的正向聯(lián)系,同時(shí)也能反映事務(wù)屬性間隱含的否定聯(lián)系。
　　 首先,本文針對(duì)引入負(fù)項(xiàng)目后,頻繁項(xiàng)集數(shù)量也大大增加的問題,在詳細(xì)研究了FP-growth算

2、法的基礎(chǔ)上,提出了一種改進(jìn)的MFP_PN算法。新算法繼承了FP-growth算法不需要多次重復(fù)掃描數(shù)據(jù)庫的優(yōu)點(diǎn),同時(shí)考慮了正項(xiàng)目和負(fù)項(xiàng)目而不需要擴(kuò)充原始數(shù)據(jù)庫。另外,新算法沿用了FP—tree的結(jié)構(gòu),構(gòu)造出同時(shí)含正負(fù)項(xiàng)目的Tree_PN,采用基于條件頻繁后綴項(xiàng)目的模式擴(kuò)展方法得到頻繁項(xiàng)集,不需要構(gòu)造大量的條件模式樹,節(jié)省了時(shí)間和空間。實(shí)驗(yàn)結(jié)果證明了MFP_PN算法比FP-growth算法具有更好的性能。
　　 其次,本文分析了最