分治策略在關(guān)聯(lián)規(guī)則挖掘中的應(yīng)用.pdf

1、關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)首先要挖掘出所有的頻繁項(xiàng)目集,而后由頻繁項(xiàng)目集產(chǎn)生強(qiáng)關(guān)聯(lián)規(guī)則.其中,算法Apriori是目前已經(jīng)提出的一個(gè)較為有效的方法.Apriori算法采用迭代技術(shù),首先計(jì)算出頻繁1-項(xiàng)目集L<,1>,而后由頻繁k-項(xiàng)目集L<,k>計(jì)算出頻繁(k+1)-項(xiàng)目集L<,k+1>.由L<,k>計(jì)算L<,k+1>采用產(chǎn)生-測試的方法:產(chǎn)生出候選項(xiàng)目集的集合C<,k+1>,對其中的候選項(xiàng)目集進(jìn)行剪枝,而后計(jì)算每個(gè)候選項(xiàng)目集的支持度,確定頻繁項(xiàng)目

2、集.整個(gè)算法的時(shí)間花費(fèi)主要由產(chǎn)生和測試這兩部分組成.在Apriori算法的基礎(chǔ)上,該文首次提出一種基于分治方法的關(guān)聯(lián)規(guī)則挖掘算法DCM.DCM按照某種策略,把L<,k>分割成不相交的三個(gè)子集:L<,k><'1>,L<,k><'2>,L<,k><'3>.這樣,大部分候選項(xiàng)目集的生成可以分別在這三個(gè)子集上進(jìn)行,從而避免一些子集之間的連接;同時(shí)大部分的剪枝也可以分別局限在每個(gè)子集上單獨(dú)進(jìn)行檢索,避免在整個(gè)L<,k>搜索而耗費(fèi)時(shí)間.為達(dá)到這個(gè)目