分布式環(huán)境下約束性關聯規(guī)則的挖掘算法研究與實現.pdf

1、隨著分布式計算環(huán)境日益普遍，開發(fā)分布式數據挖掘算法變得日益重要。在實際的挖掘過程中需要有效地利用約束條件來提高挖掘效率。本文主要研究討論在分布式環(huán)境下基于約束條件的分布式關聯規(guī)則的挖掘問題。 針對分布式數據庫和項約束條件的特點，本文首先提出了基于Apriori算法的DMAIC算法和基于頻繁模式樹的DAMICFP算法。DMAIC算法可靠性高，通信協(xié)議簡單，適用于對通信性能要求不高的分布式數據庫；DAMICFP算法執(zhí)行效率高，通信性

2、能好，適用于對通信性能要求較高的多項目分布式數據庫。對于多種規(guī)則約束條件(反單調約束、單調約束、簡潔性約束、可轉變的約束)，本文在Eclat算法的概念格理論和等價類劃分方法基礎上，提出了EclatA、EclatM、EclatS、EclatCA等相應約束條件下的挖掘算法。算法采用自底向上的搜索方法，在發(fā)現頻繁項集的同時進行約束條件的檢驗。數據庫的掃描次數較少，無需對候選項集進行剪枝，占用內存較小。論文在基于約束的Eclat類算法的基礎上，

3、結合抽樣的方法，提出了一種分布式挖掘多種規(guī)則約束的關聯規(guī)則挖掘算法一DMCASE算法。算法在各數據站點上對一個較小的樣本采用基于約束的Eclat類算法挖掘局部約束頻繁項集，用歸納學習的方法歸并所有局部約束頻繁項集產生全局約束頻繁項集。以前綴樹和位矩陣為數據結構保證了算法只需掃描數據庫1次，通過完備性分析和實驗證明算法兼顧了挖掘效率和精度。 本文同時研究了項約束關聯規(guī)則挖掘技術在生物信息學中的應用。在FP-growth算法的基礎上