基于頻繁模式樹的關(guān)聯(lián)規(guī)則算法研究.pdf

1、數(shù)據(jù)挖掘是近年來迅速發(fā)展的信息處理技術(shù)，從大量的、不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。它涉及數(shù)據(jù)庫、人工智能、機器學習、模式識別、知識工程、面向?qū)ο?、信息檢索和可視化等一系列技術(shù)。關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘領域的一個重要研究分支，它的任務是發(fā)現(xiàn)所有滿足支持度閾值和置信度閾值的強關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則挖掘算法是關(guān)聯(lián)規(guī)則挖掘研究的主要內(nèi)容，迄今為止已經(jīng)提出了許多高效的關(guān)聯(lián)

2、規(guī)則挖掘算法。 本文對經(jīng)典的Apriori和AprioriTid算法以及不產(chǎn)生候選集的FP—Growth 算法進行了分析和研究。FP—Growth算法比Apriori算法在性能上有了很大提高，它僅需要掃描數(shù)據(jù)庫兩次，并且避免了產(chǎn)生大量的候選項集。但FP—Growth算法主要的瓶頸之一就是空間開銷大。為了節(jié)省空間，提高頻繁項的發(fā)現(xiàn)效率，本文對傳統(tǒng)的頻繁模式樹和項頭表進行了優(yōu)化，采用動態(tài)構(gòu)造哈希鏈地址的方法來構(gòu)造項頭表，F(xiàn)P—Tre

3、e的每個結(jié)點只存儲該項在項頭表中的地址，避免了在地址上出現(xiàn)空指針，節(jié)省了存儲空間的開銷，同時增加樹結(jié)點的域?qū)崿F(xiàn)了方便的雙向遍歷。此外還通過對事務數(shù)據(jù)庫按一定的規(guī)則進行了劃分，得到若干個數(shù)據(jù)庫子集，然后分別對每個數(shù)據(jù)庫子集進行數(shù)據(jù)挖掘，因而占用內(nèi)存小，解決了內(nèi)存無法裝入頻繁模式樹的問題，使數(shù)據(jù)挖掘得以順利進行。 最后通過實驗對基于頻繁模式樹的關(guān)聯(lián)規(guī)則挖掘的優(yōu)化算法與傳統(tǒng)的頻繁模式樹的FP—Growth算法進行了比較，實驗結(jié)果表明在