頻繁項(xiàng)集挖掘問題的研究.pdf

1、本文對(duì)頻繁項(xiàng)集挖掘問題進(jìn)行了深入的研究和探索，主要研究工作內(nèi)容和貢獻(xiàn)如下： 1、對(duì)頻繁項(xiàng)集挖掘中搜索空間剪枝問題進(jìn)行深入研究，在認(rèn)真分析現(xiàn)有的7種搜索空間剪枝策略的基礎(chǔ)上，提出了兩種新的搜索空間剪枝策略：擴(kuò)展支持度相等性剪枝策略1和擴(kuò)展支持度相等性剪枝策略2。它們都基于項(xiàng)集的擴(kuò)展支持度相等性進(jìn)行搜索空間削減，可用于最大頻繁項(xiàng)集挖掘任務(wù)和封閉頻繁項(xiàng)集挖掘任務(wù)，對(duì)其它剪枝策略無法處理的搜索空間有效地進(jìn)行剪枝。同時(shí)證明了相關(guān)的定理和推

2、論，保證了這兩種新的搜索空間剪枝策略的正確性和有效性。 2、進(jìn)行最大頻繁項(xiàng)集挖掘算法的研究。在詳細(xì)分析公認(rèn)的高效最大頻繁項(xiàng)集挖掘算法——MAFIA算法的基礎(chǔ)上，應(yīng)用新的搜索空間剪枝策略對(duì)MAFIA算法進(jìn)行優(yōu)化改進(jìn)，得到效率更高的最大頻繁項(xiàng)集挖掘算法——MAFIA+算法。通過實(shí)驗(yàn)對(duì)改進(jìn)后的算法進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，MAFIA+算法在不同的測(cè)試數(shù)據(jù)集上性能都優(yōu)于MAFIA算法，尤其是在擁有大量長的最大頻繁項(xiàng)集的測(cè)試數(shù)據(jù)集上，效率比

3、原有的MAFIA算法提高約3倍。 3、進(jìn)行封閉頻繁項(xiàng)集挖掘算法的研究。提出一種新的封閉頻繁項(xiàng)集挖掘算法——ECFIMA算法。該算法采用深度優(yōu)先和廣度優(yōu)先相結(jié)合的策略訪問搜索空間，使用垂直位圖向量存儲(chǔ)表示項(xiàng)集和事務(wù)數(shù)據(jù)庫，同時(shí)利用基本剪枝策略、相等性剪枝策略、擴(kuò)展支持度相等性剪枝策略1和擴(kuò)展支持度相等性剪枝策略2進(jìn)行侯選空間剪枝。采用多種不同特性的測(cè)試數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，ECFIMA算法是一種高效的封閉頻繁項(xiàng)集挖掘算法，