加權(quán)關聯(lián)規(guī)則挖掘算法的研究與改進.pdf

1、在信息技術(shù)快速發(fā)展的時代，各種企業(yè)數(shù)據(jù)也在爆炸式的增長，如何準確、高效地從中發(fā)現(xiàn)有潛在價值的信息是人們一直關注的問題。數(shù)據(jù)挖掘作為一種數(shù)據(jù)分析工具，用于在海量數(shù)據(jù)中尋找未知的、創(chuàng)新的、潛在有用的、能夠最終被理解的知識或模式。
　　 關聯(lián)規(guī)則是數(shù)據(jù)挖掘研究領域的一個主要分支。Apriori算法作為挖掘規(guī)則的經(jīng)典算法，主要解決數(shù)據(jù)間的關聯(lián)問題和模式的挖掘。但Apriori算法及現(xiàn)有改進算法視數(shù)據(jù)庫中數(shù)據(jù)項“平等一致”，不符合實際情況

2、。為了更合理地挖掘規(guī)則，人們采用某種策略對數(shù)據(jù)項賦予權(quán)值，并且滿足了應用需求。因此對加權(quán)關聯(lián)規(guī)則挖掘算法的研究是非常有意義的。但現(xiàn)有加權(quán)算法存在一些問題:數(shù)據(jù)項權(quán)值設置不合理、多次掃描數(shù)據(jù)庫、產(chǎn)生大量候選項集、連接和剪枝過程低效、串行掃描數(shù)據(jù)庫時間較長等。
　　 本文在廣泛研究現(xiàn)有加權(quán)算法的基礎上，針對時間與空間效率問題進行了優(yōu)化，提出了兩種改進算法，并通過數(shù)據(jù)實例進行了仿真實驗。其主要研究內(nèi)容及創(chuàng)新點如下:
　　 一、

3、提出了一種基于向量的概率加權(quán)關聯(lián)規(guī)則挖掘算法。該算法采用空間換時間思路減少數(shù)據(jù)庫掃描次數(shù);以數(shù)據(jù)項在數(shù)據(jù)庫中出現(xiàn)概率作為其權(quán)值，提升高頻項的重要性;提出新的剪枝策略，減少候選項目集產(chǎn)生。最后采用一組數(shù)據(jù)實例與其它算法進行比較，新算法具有較好的性能。
　　 二、提出了一種基于劃分的加權(quán)關聯(lián)規(guī)則挖掘算法。該算法引用劃分與并行思想，首先劃分數(shù)據(jù)庫并轉(zhuǎn)換為二進制形式進行并行挖掘;其次引用一種哈希函數(shù)以減少候選二項集產(chǎn)生;最后以相同前綴劃