可信關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域中一個(gè)重要研究內(nèi)容。傳統(tǒng)的關(guān)聯(lián)規(guī)則挖掘算法大都基于支持度--置信度框架，利用支持度去除非頻繁項(xiàng)集，利用置信度得到較為有效的關(guān)聯(lián)規(guī)則。對支持度分布嚴(yán)重傾斜的數(shù)據(jù)集挖掘時(shí)，人們發(fā)現(xiàn)現(xiàn)有算法無法選擇合適的支持度閾值。若將最小支持度設(shè)置較高，會遺漏支持度較低但令人感興趣的規(guī)則，若設(shè)置較低，則挖掘結(jié)果會含有大量虛假規(guī)則，對用戶沒有實(shí)際意義。
　　 本論文針對上述問題，圍繞如何得到可信有效的關(guān)聯(lián)規(guī)則展開研究，創(chuàng)新點(diǎn)

2、和主要工作如下：
　　 1.提出可信關(guān)聯(lián)規(guī)則的概念
　　 可信關(guān)聯(lián)規(guī)則中各個(gè)項(xiàng)目的支持度處于同一數(shù)量級，一個(gè)項(xiàng)目的出現(xiàn)很強(qiáng)的暗示了規(guī)則中其他項(xiàng)目也會出現(xiàn)，即規(guī)則中的各個(gè)項(xiàng)目在很大程度上是同現(xiàn)的。挖掘這種規(guī)則時(shí)，可以忽略支持度閾值，因此可同時(shí)得到頻繁模式和非頻繁模式。對于可信關(guān)聯(lián)規(guī)則的興趣度量，本文提出基于可信度的度量，并引入基于距離測度的度量及h-置信度等。實(shí)驗(yàn)結(jié)果表明，可信關(guān)聯(lián)規(guī)則在很多數(shù)據(jù)集中都會存在，其可信程度遠(yuǎn)遠(yuǎn)

3、大于傳統(tǒng)的關(guān)聯(lián)規(guī)則，可廣泛應(yīng)用到諸多領(lǐng)域。
　　 2.提出基于極大團(tuán)挖掘可信關(guān)聯(lián)規(guī)則的MaxCliqueMining算法
　　 MaxCliqueMining算法采用鄰接矩陣產(chǎn)生2-項(xiàng)可信集，不需要對數(shù)據(jù)庫進(jìn)行多次掃描，就能利用極大團(tuán)思想產(chǎn)生所有可信關(guān)聯(lián)規(guī)則，提高時(shí)間性能。該算法可以挖掘基于可信度、提升度、余弦度量以及相關(guān)度度量的可信關(guān)聯(lián)規(guī)則，對于不同度量，算法只在生成2-項(xiàng)可信集時(shí)有所區(qū)別，后續(xù)挖掘過程完全一致。實(shí)驗(yàn)結(jié)

4、果表明，本算法在傾斜支持度分布的數(shù)據(jù)集中挖掘可信關(guān)聯(lián)規(guī)則具有較高的效率和準(zhǔn)確性。
　　 3.提出統(tǒng)一挖掘超團(tuán)模式和極大超團(tuán)模式的HHCP-growth算法
　　 超團(tuán)模式和極大超團(tuán)模式都是基于h-置信度度量的可信關(guān)聯(lián)規(guī)則的特定類型。挖掘兩種模式的標(biāo)準(zhǔn)算法是完全不同的。本文提出基于FP-tree的HHCP-growth算法統(tǒng)一了兩種模式的挖掘。算法采用了遞歸挖掘思想，無需保存大量候選項(xiàng)集。除了應(yīng)用傳統(tǒng)的最小支持度剪枝策略外

5、，還引入最大支持度剪枝、項(xiàng)目自剪枝以及剩余項(xiàng)目剪枝等策略，減少遍歷和遞歸的次數(shù)。本文證明了剪枝策略的有效性和算法的正確性。實(shí)驗(yàn)結(jié)果表明，HHCP-growth算法與傳統(tǒng)的超團(tuán)模式挖掘算法和極大超團(tuán)模式挖掘算法相比，具有更高的效率，尤其在大數(shù)據(jù)集或低支持度條件下更為顯著。
　　 4.制作并發(fā)布可作為告警關(guān)聯(lián)分析和研究使用的標(biāo)準(zhǔn)告警數(shù)據(jù)集
　　 采集了某省移動(dòng)公司GPRS網(wǎng)絡(luò)管理系統(tǒng)及某設(shè)備生產(chǎn)商模擬網(wǎng)管理系統(tǒng)部分時(shí)段的告警