基于數(shù)據(jù)垂直分布的關(guān)聯(lián)規(guī)則挖掘算法研究.pdf

1、數(shù)據(jù)挖掘就是從大量的數(shù)據(jù)中抽取以前未知并具有潛在可用的模式。而關(guān)聯(lián)規(guī)則挖掘是近年來發(fā)展十分迅速而且非常活躍的研究領(lǐng)域，是數(shù)據(jù)挖掘的一個(gè)重要研究?jī)?nèi)容。它主要應(yīng)用于發(fā)現(xiàn)數(shù)據(jù)中不同項(xiàng)目或?qū)傩灾g的有趣聯(lián)系。隨著被收集和存儲(chǔ)數(shù)據(jù)的高速增長(zhǎng)，許多業(yè)界人士對(duì)于從他們的數(shù)據(jù)庫(kù)中挖掘關(guān)聯(lián)規(guī)則的興趣愈加濃厚。為了進(jìn)一步適應(yīng)和滿足用戶不斷變化的需求，本文進(jìn)行了一系列關(guān)于提高關(guān)聯(lián)規(guī)則挖掘算法的性能和完善相關(guān)功能的研究工作。
　　 本文首先認(rèn)真地分析和

2、歸納了當(dāng)前關(guān)聯(lián)規(guī)則挖掘算法的研究成果，并分析了基于數(shù)據(jù)水平分布相關(guān)算法，如Apriori、DHP、FP-growth等，和基于數(shù)據(jù)垂直分布相關(guān)算法，如Eclat、Diffset等的實(shí)現(xiàn)方法和性能特點(diǎn)，為提出性能和功能更優(yōu)的關(guān)聯(lián)規(guī)則挖掘算法作好理論準(zhǔn)備。然后提出應(yīng)用于數(shù)據(jù)垂直分布的基于關(guān)聯(lián)矩陣的深度優(yōu)先關(guān)聯(lián)規(guī)則挖掘算法ADFAR，ADFAR用關(guān)聯(lián)矩陣來描述任意2個(gè)數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)關(guān)系，并利用關(guān)聯(lián)矩陣來約束候選頻繁項(xiàng)集的產(chǎn)生，以減少所產(chǎn)生候

3、選頻繁項(xiàng)集。并且利用關(guān)聯(lián)矩陣以深度優(yōu)先策略產(chǎn)生頻繁項(xiàng)集，每產(chǎn)生一個(gè)k-頻繁項(xiàng)集只需要進(jìn)行位圖的一次交運(yùn)算。算法采用位圖方式來存儲(chǔ)頻繁項(xiàng)集支持集，具有較小的內(nèi)存開銷。ADFAR不需要多次掃描數(shù)據(jù)集，避免了Apriori算法及類Apriori算法繁雜的候選項(xiàng)集產(chǎn)生和驗(yàn)證操作等優(yōu)點(diǎn)，具有良好的可操作性。實(shí)驗(yàn)證明，本文提出的基于數(shù)據(jù)垂直分布的關(guān)聯(lián)規(guī)則挖掘算法ADFAR克服了產(chǎn)生大量候選集和需多次掃描數(shù)據(jù)庫(kù)的缺點(diǎn)，且具有較高的挖掘效率。
　

4、　 基于數(shù)據(jù)垂直分布的關(guān)聯(lián)規(guī)則挖掘算法通常采用位圖方式來存儲(chǔ)頻繁項(xiàng)集支持集，盡管使用位圖來存儲(chǔ)支持集映像已經(jīng)減小了對(duì)內(nèi)存空間的需求，但這仍然是基于數(shù)據(jù)垂直分布的關(guān)聯(lián)規(guī)則挖掘算法的主要空間開銷，也是制約算法可擴(kuò)展性的一個(gè)重要因素。為此本文研究了位圖壓縮方法，將要存放在內(nèi)存中的數(shù)據(jù)項(xiàng)支持集位圖進(jìn)行壓縮，以減小算法的空間開銷，提高算法可擴(kuò)展性。本文詳細(xì)介紹了位圖壓縮和基于壓縮位圖進(jìn)行交運(yùn)算所涉及到的有關(guān)理論和方法。實(shí)驗(yàn)結(jié)果表明，本文提出的位