頻繁閉項集的挖掘算法及內(nèi)容分析.pdf

1、數(shù)據(jù)挖掘(Data Mining)是指從大量的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)中提取有用的、有意義的信息和知識的過程。隨著數(shù)據(jù)挖掘研究的不斷深入和發(fā)展，數(shù)據(jù)挖掘已經(jīng)廣泛應(yīng)用到多種領(lǐng)域中。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘研究中一個較早的、有意義的研究課題，它主要用于發(fā)現(xiàn)隱藏在大型數(shù)據(jù)庫集中的令人感興趣的、隱含的、事務(wù)之間的聯(lián)系。在關(guān)聯(lián)規(guī)則的產(chǎn)生過程中，頻繁模式的挖掘是產(chǎn)生關(guān)聯(lián)規(guī)則的第一步，如何有效的挖掘頻繁模式一直以來就是研究關(guān)注的熱點。在大型數(shù)據(jù)庫中，雖然利用

2、有效的算法能有效的提高頻繁模式挖掘的效率，但是隨著支持度的降底頻繁模式的產(chǎn)生數(shù)量會逐漸增大，其中有些頻繁模式對用戶來說可能是毫無用處的，不能為自己的下一步工作提供有效的信息。本文研究的內(nèi)容主要包括以下幾個方面： 1.深入研究兩種不同策略的頻繁模式挖掘方法，廣度優(yōu)先搜索策略和深度優(yōu)先搜索策略。在參考頻繁閉項集挖掘算法Closet、Closet+和FP-Close的基礎(chǔ)上，設(shè)計了基于被約束子樹的頻繁閉項集挖掘算法FP-FCI，該算法