不確定數(shù)據(jù)頻繁項挖掘的研究.pdf

1、頻繁項挖掘作為數(shù)據(jù)挖掘領域研究的重要主題之一,已被證實具有一定的理論價值,并且在市場選擇、決策支持和商務管理等方面得到廣泛的應用。隨著科學理論和技術的發(fā)展,金融,傳感器網(wǎng)絡和醫(yī)學等領域涌現(xiàn)大量不確定數(shù)據(jù)。簡單忽略數(shù)據(jù)的不確定性,應用傳統(tǒng)算法挖掘頻繁項產(chǎn)生的結果難以令人信服。近年來,針對不確定數(shù)據(jù)的頻繁項挖掘逐漸成為研究熱點,大部分研究成果基于傳統(tǒng)頻繁項挖掘算法改進,如U-Apriori算法、UF-growth算法等,性能勉強接受,但有待

2、深入研究。鑒于此,本文針對UF-growth算法和U-Apriori算法進行改進和優(yōu)化,進一步提高不確定數(shù)據(jù)中頻繁項挖掘的效率。
　　針對UF-growth算法構造大量樹結點和分枝的局限性,提出壓縮UF-tree算法,放寬構建樹結構標準:不考慮數(shù)據(jù)項的存在概率,數(shù)據(jù)項名一旦與樹結構中對應結點匹配,共享該結點,否則,考慮從未匹配結點處開辟新分枝,當前數(shù)據(jù)項及事務中其后的所有數(shù)據(jù)項作為結點有序地添加到新分枝中,事務中最后處理的數(shù)據(jù)項對

3、應的結點保存事務編號。借鑒概念格理論中的等價類關系產(chǎn)生候選項,縮減遍歷分枝的路徑次數(shù)。構建概率向量結構,集中存儲單項頻繁項的存在概率,結合事務編號集,利用點積運算統(tǒng)一處理所有候選項的支持度,經(jīng)過支持度約束過濾,產(chǎn)生所有頻繁項。通過實驗證明,與UF-growth算法相比,壓縮UF-tree算法效率更高。
　　針對U-Apriori算法多次遍歷數(shù)據(jù)庫的缺陷進行改進,結合Eclat算法思想,提出UF-Eclat算法。將不確定數(shù)據(jù)項的存在

4、概率進行抽離,保存在概率向量之中。采用Eclat算法的深度優(yōu)先搜索策略,以單項頻繁項構建初始結點,同層兄弟結點構成子數(shù)據(jù)庫,利用概念格理論的等價關系,產(chǎn)生基于當前結點的原子項,作為項集搜索樹的下層結點,實現(xiàn)i項頻繁項產(chǎn)生(i1)項頻繁項。在迭代過程中,利用概率向量點積運算計算候選項的支持度,通過支持度約束過濾非頻繁項,使用Apriori性質對樹分枝進行前修剪,抑制樹結構的過度增長。通過實驗證明, UF-Eclat算法結果與U-Aprio