基于數(shù)據(jù)垂直分布的關聯(lián)規(guī)則挖掘算法研究.pdf

1、數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中抽取以前未知并具有潛在可用的模式。而關聯(lián)規(guī)則挖掘是近年來發(fā)展十分迅速而且非?；钴S的研究領域，是數(shù)據(jù)挖掘的一個重要研究內(nèi)容。它主要應用于發(fā)現(xiàn)數(shù)據(jù)中不同項目或屬性之間的有趣聯(lián)系。隨著被收集和存儲數(shù)據(jù)的高速增長，許多業(yè)界人士對于從他們的數(shù)據(jù)庫中挖掘關聯(lián)規(guī)則的興趣愈加濃厚。為了進一步適應和滿足用戶不斷變化的需求，本文進行了一系列關于提高關聯(lián)規(guī)則挖掘算法的性能和完善相關功能的研究工作。
　　 本文首先認真地分析和

2、歸納了當前關聯(lián)規(guī)則挖掘算法的研究成果，并分析了基于數(shù)據(jù)水平分布相關算法，如Apriori、DHP、FP-growth等，和基于數(shù)據(jù)垂直分布相關算法，如Eclat、Diffset等的實現(xiàn)方法和性能特點，為提出性能和功能更優(yōu)的關聯(lián)規(guī)則挖掘算法作好理論準備。然后提出應用于數(shù)據(jù)垂直分布的基于關聯(lián)矩陣的深度優(yōu)先關聯(lián)規(guī)則挖掘算法ADFAR，ADFAR用關聯(lián)矩陣來描述任意2個數(shù)據(jù)項之間的關聯(lián)關系，并利用關聯(lián)矩陣來約束候選頻繁項集的產(chǎn)生，以減少所產(chǎn)生候

3、選頻繁項集。并且利用關聯(lián)矩陣以深度優(yōu)先策略產(chǎn)生頻繁項集，每產(chǎn)生一個k-頻繁項集只需要進行位圖的一次交運算。算法采用位圖方式來存儲頻繁項集支持集，具有較小的內(nèi)存開銷。ADFAR不需要多次掃描數(shù)據(jù)集，避免了Apriori算法及類Apriori算法繁雜的候選項集產(chǎn)生和驗證操作等優(yōu)點，具有良好的可操作性。實驗證明，本文提出的基于數(shù)據(jù)垂直分布的關聯(lián)規(guī)則挖掘算法ADFAR克服了產(chǎn)生大量候選集和需多次掃描數(shù)據(jù)庫的缺點，且具有較高的挖掘效率。
　

4、　 基于數(shù)據(jù)垂直分布的關聯(lián)規(guī)則挖掘算法通常采用位圖方式來存儲頻繁項集支持集，盡管使用位圖來存儲支持集映像已經(jīng)減小了對內(nèi)存空間的需求，但這仍然是基于數(shù)據(jù)垂直分布的關聯(lián)規(guī)則挖掘算法的主要空間開銷，也是制約算法可擴展性的一個重要因素。為此本文研究了位圖壓縮方法，將要存放在內(nèi)存中的數(shù)據(jù)項支持集位圖進行壓縮，以減小算法的空間開銷，提高算法可擴展性。本文詳細介紹了位圖壓縮和基于壓縮位圖進行交運算所涉及到的有關理論和方法。實驗結果表明，本文提出的位