關(guān)聯(lián)規(guī)則算法的研究與改進.pdf

1、隨著計算機和信息技術(shù)的發(fā)展，人們能夠用更方便的收集數(shù)據(jù)。數(shù)據(jù)的爆炸性增長，使人們急切的需要相關(guān)的技術(shù)來處理這些數(shù)據(jù)。數(shù)據(jù)挖掘作為這樣的技術(shù)已經(jīng)成為人們關(guān)注的熱點，廣泛地應(yīng)用于各行各業(yè)。數(shù)據(jù)挖掘的主要任務(wù)有：分類和預(yù)測、聚類分析、關(guān)聯(lián)規(guī)則、序列分析和異常檢測等。本文研究的重點是其中的關(guān)聯(lián)規(guī)則。
　　本文對兩種關(guān)聯(lián)規(guī)則挖掘算法Apriori算法和FP-growth算法進行了詳細的分析和研究。論文的主要工作如下：
　　1.基于Ap

2、riori算法的研究，實現(xiàn)了算法在MFC框架下的頻繁項集挖掘。程序通過與后臺Access數(shù)據(jù)庫的連接，能夠設(shè)置不同的項數(shù)和最小支持度，實現(xiàn)了頻繁項集的挖掘，并給出本次挖掘的時間開銷。
　　2.通過對Apriori算法每個步驟的分析，提出一種Apriori算法的優(yōu)化方法，通過實例分析和實驗結(jié)果驗證了優(yōu)化結(jié)果。優(yōu)化后的算法在以下兩個方面做出了改進：（1）在Apriori算法的連接步，需要頻繁兩兩比較k-項頻繁項集前k-1項是否相同，而

3、且會產(chǎn)生大量的候選項集，使得時間復(fù)雜度大大增加。優(yōu)化后的算法加入了連接預(yù)處理步，減少了連接步的比較次數(shù)，避免了許多不必要的頻繁項集的產(chǎn)生；（2）在Apriori算法的支持度計數(shù)步，事務(wù)的寬度越大，事務(wù)遍歷候選Hash樹的有效次數(shù)就增加。優(yōu)化算法通過加入事務(wù)剪枝歩，降低事務(wù)的寬度，有效降低支持度計數(shù)的時間開銷。
　　3.FP-growth算法對于大型數(shù)據(jù)集，生成的FP-tree結(jié)構(gòu)非常復(fù)雜，而且需要頻繁的進行下列的步驟：（1）將FP