基于項(xiàng)縮減的關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、近年來(lái)，隨著信息技術(shù)的不斷發(fā)展，人們積累的信息量不斷增加，傳統(tǒng)的統(tǒng)計(jì)方法已經(jīng)不能滿(mǎn)足人們從大規(guī)模數(shù)據(jù)存儲(chǔ)中獲取知識(shí)的迫切需求。作為數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)非常重要的研究課題，關(guān)聯(lián)規(guī)則反映了一個(gè)事物與其他事物之間的相互依賴(lài)性或者相關(guān)性，它既可以檢驗(yàn)行業(yè)內(nèi)長(zhǎng)期形成的知識(shí)模式，也能夠發(fā)現(xiàn)隱藏的新規(guī)律。因此如何有效地挖掘關(guān)聯(lián)規(guī)則具有重要的理論價(jià)值和現(xiàn)實(shí)意義。
　　 本文重點(diǎn)針對(duì)數(shù)據(jù)本身對(duì)關(guān)聯(lián)規(guī)則挖掘的影響進(jìn)行了研究，并取得了一定的成果。

2、r>　　 首先針對(duì)Apriori算法的不足，提出了改進(jìn)方案。Apriori算法是關(guān)聯(lián)規(guī)則挖掘中的經(jīng)典算法，當(dāng)最小支持度閾值較小時(shí)，Apriori算法將產(chǎn)生大量候選項(xiàng)集，對(duì)這些候選項(xiàng)集進(jìn)行支持度計(jì)數(shù)將耗費(fèi)大量時(shí)間。本文針對(duì)這個(gè)問(wèn)題，提出項(xiàng)事務(wù)和項(xiàng)縮減操作的概念，并在此基礎(chǔ)上提出一種基于項(xiàng)縮減的Apriori算法-Aprion-IR。該算法通過(guò)對(duì)事務(wù)進(jìn)行完全項(xiàng)縮減操作，能夠有效減少候選項(xiàng)集個(gè)數(shù)并減少候選項(xiàng)集支持度計(jì)數(shù)時(shí)間，從而提高了Apr

3、iori算法的效率。本文不僅從理論上分析了Apriori-IR算法能夠減少連接和剪枝次數(shù)降低支持度計(jì)數(shù)時(shí)間，還通過(guò)在不同濃密性和模式長(zhǎng)度的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，表明了Apriori-IR算法的有效性。
　　 為了進(jìn)一步研究項(xiàng)縮減操作對(duì)關(guān)聯(lián)規(guī)則挖掘算法的影響，本文對(duì)經(jīng)過(guò)完全項(xiàng)縮減操作處理的數(shù)據(jù)利用FP-growth算法進(jìn)行挖掘，提出了FP-GIR算法。同樣本文不但從理論上分析了FP-GIR算法能夠降低FP-growth算法的空間消耗，