帶補償?shù)目焖俜植际疥P聯(lián)規(guī)則挖掘算法的研究.pdf

1、數(shù)據(jù)挖掘是指從大型數(shù)據(jù)庫或數(shù)據(jù)倉庫中提取隱含的、先前未知的、對決策有潛在價值的知識和規(guī)則。它是人工智能和數(shù)據(jù)庫發(fā)展相結(jié)合的產(chǎn)物，是目前國際上數(shù)據(jù)庫和信息決策系統(tǒng)的前沿研究方向之一。
　　其中，關聯(lián)規(guī)則挖掘是近幾年研究較多的數(shù)據(jù)挖掘方法，應用也最為廣泛。文中詳細介紹了關聯(lián)規(guī)則的基本概念、性質(zhì)及其經(jīng)典算法?，F(xiàn)有的關聯(lián)規(guī)則挖掘算法和模型主要是基于數(shù)據(jù)庫或數(shù)據(jù)倉庫的，采用集中式處理。隨著分布式數(shù)據(jù)庫和網(wǎng)絡技術的發(fā)展，它們已經(jīng)不能滿足分布式

2、數(shù)據(jù)挖掘的需要。分布式關聯(lián)規(guī)則的挖掘就是在這樣的背景下提出的。
　　目前，大多數(shù)分布式挖掘算法或并行算法都是從相應的集中式算法中發(fā)展起來的。因此，本文首先介紹了關聯(lián)規(guī)則的基本概念、性質(zhì)和集中式關聯(lián)規(guī)則挖掘經(jīng)典算法（Apriori算法）。在此基礎上，介紹了快速分布式關聯(lián)規(guī)則挖掘FDM（Fast distributed mining of association rules，快速分布式關聯(lián)規(guī)則挖掘）算法及其采用的主要技術：它充分利用有

3、關局部大項集和全局大項集之間的關系生成較少量的候選數(shù)據(jù)集，在每個站點進行局部剪枝和全局剪枝；引入合計數(shù)輪流檢測技術交換支持數(shù)信息，顯著減少了在挖掘關聯(lián)規(guī)則時的網(wǎng)絡信息傳輸量。
　　通過對FDM的深入分析，我們發(fā)現(xiàn)FDM算法在計算事務數(shù)據(jù)庫D上全局大的頻繁k-項目集Lk時，容易造成全局頻繁項目集的丟失，因而使得關聯(lián)規(guī)則挖掘結(jié)果與實際的頻繁項目集不一致。針對FDM算法中所存在的不足，本文提出了CFDM（Compensated fast