基于多重最小支持度的高效用頻繁項集挖掘算法研究.pdf

1、頻繁項集挖掘是數據挖掘領域的重要研究方向之一，但是傳統(tǒng)的頻繁項集挖掘算法只考慮項集的支持度，這使得在挖掘過程中丟失一些用戶感興趣的項集。此外，由于數據流具有實時性、無限性和連續(xù)性的特性，這就要求在數據流環(huán)境中的頻繁項集挖掘算法具有較高的時間和空間效率。
　　本文對多重最小支持度和高效用項集挖掘算法問題進行描述，在數據結構和處理方法上，對目前已有的頻繁項集和高效用項集挖掘算法的優(yōu)缺點進行分析和總結，在此基礎上做了以下研究工作:

2、>　　(1)在靜態(tài)數據集中，針對現有的多重最小支持度挖掘算法會產生大量的中間候選集，增加了時間和內存的開銷，且沒有考慮項集的效用值等問題。本文利用多重最小支持度和效用值，構造了數據結構MHU-Tree，并提出用于修剪構造過程中全局MHU-Tree的PG策略和用于修剪挖掘過程中局部MHU-Tree的PL策略。在此基礎上，提出了基于多重最小支持度的高效用頻繁項集挖掘算法MHU-Growth，較大地減少中間候選項集的數量，快速地挖掘高效用頻繁

3、項集。通過與經典算法CFP-Growth++進行對比，驗證了MHU-Growth算法在運行時間、候選項集產生的數量以及內存開銷等性能上優(yōu)于CFP-Growth++算法。
　　(2)在數據流環(huán)境中，現有的高效用項集挖掘算法需要多次掃描數據庫，而對用戶來說，效用閾值難設置，過高或過低都會影響挖掘效果。針對這些問題，本文結合多重最小支持度和效用值，構造適用于數據流挖掘的數據結構TKHUF-Tree和構建存儲效用信息的矩陣PMD和RMD，

4、并提出PEU、RTS等閡值調整策略來自動調整效用閾值的大小，減少中間候選項集的產生數量以及數據庫掃描次數。
　　(3)在TKHUF-Tree的基礎上，提出了top-k高效用頻繁項集數據流挖掘算法TKHFDS，它利用滑動窗口模型來處理數據流數據，并提出minTKUtil策略來調整下一個窗口的效用閾值，快速、有效地挖掘出高效用頻繁項集。最后，將算法TKHFDS與傳統(tǒng)算法TKU及T-HUDS進行對比，實驗驗證了TKHFDS算法在時間和內