基于多重最小支持度的高效用頻繁項(xiàng)集挖掘算法研究.pdf

1、頻繁項(xiàng)集挖掘是數(shù)據(jù)挖掘領(lǐng)域的重要研究方向之一，但是傳統(tǒng)的頻繁項(xiàng)集挖掘算法只考慮項(xiàng)集的支持度，這使得在挖掘過(guò)程中丟失一些用戶感興趣的項(xiàng)集。此外，由于數(shù)據(jù)流具有實(shí)時(shí)性、無(wú)限性和連續(xù)性的特性，這就要求在數(shù)據(jù)流環(huán)境中的頻繁項(xiàng)集挖掘算法具有較高的時(shí)間和空間效率。
　　本文對(duì)多重最小支持度和高效用項(xiàng)集挖掘算法問(wèn)題進(jìn)行描述，在數(shù)據(jù)結(jié)構(gòu)和處理方法上，對(duì)目前已有的頻繁項(xiàng)集和高效用項(xiàng)集挖掘算法的優(yōu)缺點(diǎn)進(jìn)行分析和總結(jié)，在此基礎(chǔ)上做了以下研究工作:

2、>　　(1)在靜態(tài)數(shù)據(jù)集中，針對(duì)現(xiàn)有的多重最小支持度挖掘算法會(huì)產(chǎn)生大量的中間候選集，增加了時(shí)間和內(nèi)存的開(kāi)銷，且沒(méi)有考慮項(xiàng)集的效用值等問(wèn)題。本文利用多重最小支持度和效用值，構(gòu)造了數(shù)據(jù)結(jié)構(gòu)MHU-Tree，并提出用于修剪構(gòu)造過(guò)程中全局MHU-Tree的PG策略和用于修剪挖掘過(guò)程中局部MHU-Tree的PL策略。在此基礎(chǔ)上，提出了基于多重最小支持度的高效用頻繁項(xiàng)集挖掘算法MHU-Growth，較大地減少中間候選項(xiàng)集的數(shù)量，快速地挖掘高效用頻繁

3、項(xiàng)集。通過(guò)與經(jīng)典算法CFP-Growth++進(jìn)行對(duì)比，驗(yàn)證了MHU-Growth算法在運(yùn)行時(shí)間、候選項(xiàng)集產(chǎn)生的數(shù)量以及內(nèi)存開(kāi)銷等性能上優(yōu)于CFP-Growth++算法。
　　(2)在數(shù)據(jù)流環(huán)境中，現(xiàn)有的高效用項(xiàng)集挖掘算法需要多次掃描數(shù)據(jù)庫(kù)，而對(duì)用戶來(lái)說(shuō)，效用閾值難設(shè)置，過(guò)高或過(guò)低都會(huì)影響挖掘效果。針對(duì)這些問(wèn)題，本文結(jié)合多重最小支持度和效用值，構(gòu)造適用于數(shù)據(jù)流挖掘的數(shù)據(jù)結(jié)構(gòu)TKHUF-Tree和構(gòu)建存儲(chǔ)效用信息的矩陣PMD和RMD，

4、并提出PEU、RTS等閡值調(diào)整策略來(lái)自動(dòng)調(diào)整效用閾值的大小，減少中間候選項(xiàng)集的產(chǎn)生數(shù)量以及數(shù)據(jù)庫(kù)掃描次數(shù)。
　　(3)在TKHUF-Tree的基礎(chǔ)上，提出了top-k高效用頻繁項(xiàng)集數(shù)據(jù)流挖掘算法TKHFDS，它利用滑動(dòng)窗口模型來(lái)處理數(shù)據(jù)流數(shù)據(jù)，并提出minTKUtil策略來(lái)調(diào)整下一個(gè)窗口的效用閾值，快速、有效地挖掘出高效用頻繁項(xiàng)集。最后，將算法TKHFDS與傳統(tǒng)算法TKU及T-HUDS進(jìn)行對(duì)比，實(shí)驗(yàn)驗(yàn)證了TKHFDS算法在時(shí)間和內(nèi)