基于FP-tree的關(guān)聯(lián)規(guī)則挖掘算法的研究.pdf

1、數(shù)據(jù)挖掘也稱為數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)，受到當(dāng)今國(guó)際人工智能與數(shù)據(jù)庫(kù)界的廣泛重視，它是從大量數(shù)據(jù)中發(fā)現(xiàn)潛在的、有趣的知識(shí)的過(guò)程。關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)非常重要的研究?jī)?nèi)容，其主要目標(biāo)就是發(fā)現(xiàn)數(shù)據(jù)庫(kù)中一組對(duì)象之間某種有趣關(guān)聯(lián)或相關(guān)聯(lián)系，在許多領(lǐng)域得到了廣泛的應(yīng)用。 關(guān)聯(lián)規(guī)則的挖掘主要是基于頻繁集的方法，相關(guān)的算法主要有Apriori算法和FP-growth算法。FP-growth算法采用不同于以前Apriori系列算法的候選產(chǎn)

2、生測(cè)試方法，采取模式增長(zhǎng)的方法挖掘關(guān)聯(lián)規(guī)則，它克服了Apriori系列算法的缺陷，取得了很好的效果。但是，F(xiàn)P-growth算法仍然存在著一些不足，如算法的性能嚴(yán)重依賴于數(shù)據(jù)庫(kù)的大小，挖掘關(guān)聯(lián)規(guī)則時(shí)需要遞歸地生成和釋放成千上萬(wàn)的條件模式樹，等等。 針對(duì)Apriori算法和FP-growth算法存在的問(wèn)題，本文主要開展并完成了以下研究工作： (1)深入了解關(guān)聯(lián)規(guī)則挖掘的研究現(xiàn)狀，重點(diǎn)研究基于FP-tree的關(guān)聯(lián)規(guī)則挖掘算法

3、FP-growth算法，分析和討論該算法存在的主要問(wèn)題。 (2)提出了一種基于投影的頻繁模式樹后插式構(gòu)造方法并設(shè)計(jì)了相應(yīng)的算法。該方法充分利用大型數(shù)據(jù)庫(kù)的投影運(yùn)算能力，按層來(lái)構(gòu)造頻繁模式樹(FP-tree)，有效地解決了傳統(tǒng)的FP-tree構(gòu)造中存在的問(wèn)題。 (3)具體研究了FP-tree和PRIFP-tree的實(shí)現(xiàn)，并通過(guò)實(shí)驗(yàn)對(duì)兩種構(gòu)造方法進(jìn)行對(duì)比，分析兩種構(gòu)造算法的性能。實(shí)驗(yàn)結(jié)果表明基于投影的頻繁模式樹后插式構(gòu)造方法