關(guān)聯(lián)規(guī)則中ECLAT算法的研究與應(yīng)用.pdf

1、近年來，隨著計(jì)算機(jī)技術(shù)的發(fā)展、數(shù)據(jù)管理技術(shù)的成功應(yīng)用、企業(yè)內(nèi)部信息化程度的不斷提高，各個(gè)應(yīng)用領(lǐng)域的數(shù)據(jù)庫中都積累了海量的數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)能夠從大規(guī)模的數(shù)據(jù)中獲取正確的、有趣的、潛在有價(jià)值的知識。而關(guān)聯(lián)規(guī)則挖掘則是其中一個(gè)重要的研究方法，具有重要的理論價(jià)值和廣泛的應(yīng)用前景。
　　 當(dāng)前，關(guān)聯(lián)規(guī)則的挖掘受到了相當(dāng)?shù)年P(guān)注，現(xiàn)有的關(guān)聯(lián)規(guī)則算法多是基于Apriori思想和Fp-growth思想的迭代算法。本文深入分析了頻繁項(xiàng)集的挖掘

2、問題，對現(xiàn)有的頻繁項(xiàng)集挖掘算法進(jìn)行了系統(tǒng)的歸納和分類，根據(jù)數(shù)據(jù)庫的表示方法主要分為兩大類：水平數(shù)據(jù)表示和垂直數(shù)據(jù)表示，并針對這兩大類的經(jīng)典代表算法Apriori算法和Fp-growth算法進(jìn)行分析，指出了他們各自的優(yōu)缺點(diǎn)。通常采用垂直數(shù)據(jù)庫表示的挖掘算法性能優(yōu)于水平算法，本文深入研究和分析了采用垂直數(shù)據(jù)庫表示的Eclat算法，并在其基礎(chǔ)上提出了改進(jìn)的算法—DEclat。
　　 改進(jìn)算法將劃分思想與Eclat算法相結(jié)合，并突出了基

3、于概率的先驗(yàn)約束方法，把數(shù)據(jù)庫中的事務(wù)劃分成n個(gè)非重疊的部分，對每一部分采用Eclat算法思想，希望能減少每次交操作時(shí)Tidset的規(guī)模，減少交操作時(shí)的比較次數(shù)；通過基于概率的先驗(yàn)約束，減少產(chǎn)生的局部頻繁項(xiàng)集數(shù)，提高算法的效率。
　　 現(xiàn)有的挖掘含負(fù)項(xiàng)目的關(guān)聯(lián)規(guī)則算法為數(shù)不多，而且多是基于Apriori思想的迭代算法，需要對數(shù)據(jù)集進(jìn)行多次掃描，同時(shí)生成大量的候選頻繁項(xiàng)集。在研究國內(nèi)外相關(guān)學(xué)者的研究成果的基礎(chǔ)上，本文根據(jù)差集垂直數(shù)