平均高效用項集挖掘算法研究.pdf

1、關(guān)聯(lián)規(guī)則作為數(shù)據(jù)挖掘研究中最活躍的研究問題之一，通過從數(shù)據(jù)中找到事務間的內(nèi)在聯(lián)系，提供給用戶符合用戶需求和興趣的挖掘結(jié)果。關(guān)聯(lián)規(guī)則挖掘可以處理來自各行各業(yè)的數(shù)據(jù)，在商業(yè)活動、科學研究、生物醫(yī)療等領(lǐng)域都有廣泛的應用。在進行傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘時，首先需要根據(jù)項集出現(xiàn)頻次得到頻繁項集，然后根據(jù)規(guī)則置信度產(chǎn)生強關(guān)聯(lián)規(guī)則;頻繁項集挖掘只考慮項集的出現(xiàn)頻次，忽略了各項本身的性質(zhì)，所以出現(xiàn)頻次不高但是具有價值的挖掘結(jié)果可能被丟失。為了克服這個缺點，基

2、于效用的關(guān)聯(lián)規(guī)則挖掘被提出。效用值用來衡量項的重要性，能夠體現(xiàn)出項之間的差異?；谛в弥档年P(guān)聯(lián)規(guī)則挖掘通過綜合考慮項的頻次和效用值，挖掘出更貼合用戶需要的結(jié)果。傳統(tǒng)的效用值會受到項集長度的影響，即項集長度越長，項集的效用值越大;為了消除這種影響，平均效用值和平均高效用項集挖掘算法被提出。目前存在的平均高效用項集挖掘算法往往需要多次掃描數(shù)據(jù)庫或者產(chǎn)生大量的候選項集，會消耗大量的時間和空間。本文圍繞著提高平均高效用項集挖掘的效率和數(shù)據(jù)流上的

3、平均高效用項集挖掘展開研究，主要內(nèi)容包括:
　　本文針對現(xiàn)有的平均高效用項集挖掘算法需要產(chǎn)生候選項集這一問題，提出了新的平均高效用項集挖掘算法HAUI-Mine。該算法只需要掃描兩次數(shù)據(jù)庫，并且挖掘過程中不需要產(chǎn)生候選項集。還設(shè)計了一種新的數(shù)據(jù)結(jié)構(gòu)HAUI-Tree，其中壓縮存儲事務數(shù)據(jù)庫中的信息，通過遞歸構(gòu)造條件模式樹來挖掘平均高效用項集。實驗結(jié)果表明，在數(shù)據(jù)集比較稠密或閾值比較小的情況下，HAUI-Mine算法的運行效率明顯優(yōu)

4、于HAUP-Mine算法。提出了能夠適用于數(shù)據(jù)流上的平均高效用項集挖掘的ITR-Mine算法。區(qū)別于傳統(tǒng)事務數(shù)據(jù)庫，數(shù)據(jù)流是無限的、按照一定順序到達的流動的數(shù)據(jù)。因為數(shù)據(jù)流的特性，事務數(shù)據(jù)庫中的挖掘算法不能直接對數(shù)據(jù)流進行實時、快速的挖掘。將ITR-Mine算法和滑動窗口技術(shù)相結(jié)合，可以用于挖掘數(shù)據(jù)流中的平均高效用項集。ITR-Tree算法只需要掃描窗口內(nèi)數(shù)據(jù)一次，同時在挖掘過程中能夠避免產(chǎn)生候選項集。在ITR-Mine算法中，用ITR