基于USI及項集相關(guān)重要性的頻繁集挖掘算法.pdf

1、作為信息科學(xué)領(lǐng)域的前沿研究課題之一，數(shù)據(jù)挖掘技術(shù)是解決如何在海量數(shù)據(jù)中提取有效信息的關(guān)鍵技術(shù)。與數(shù)據(jù)挖掘技術(shù)相關(guān)的研究與應(yīng)用已經(jīng)極大的提高了人們的決策支持能力。本文描述了數(shù)據(jù)挖掘的概念、功能以及模式的分類，并將文章聚焦在數(shù)據(jù)挖掘領(lǐng)域中的關(guān)聯(lián)規(guī)則挖掘方面。 本文的主要內(nèi)容，先是對Apriori算法的流程思路進(jìn)行了梳理，然后對目前關(guān)于Apriori算法的幾種改進(jìn)思路進(jìn)行了歸納性總結(jié)，最后提出了一種基于用戶感興趣度閾值(USI)和項集

2、重要性的改進(jìn)型Apriori算法。本文改進(jìn)算法的思路，是抓住用戶對項集感興趣程度與項集相關(guān)重要性兩個要素，對Apriori算法進(jìn)行一種復(fù)合式改進(jìn)：首先從數(shù)據(jù)庫中利用某些用戶感興趣的項從數(shù)據(jù)庫所有項的集合中選擇出一個子集作為挖掘?qū)ο螅缓髮?shù)據(jù)庫進(jìn)行一次掃描，實現(xiàn)用事務(wù)標(biāo)識號來表示項目集。在產(chǎn)生項目集后，依項集相關(guān)重要性原則，對項目集中的元素賦以權(quán)值，然后利用引入了權(quán)值的支持度函數(shù)計算項集的支持度以產(chǎn)生頻繁項集，最后從這些頻繁項集中產(chǎn)生關(guān)