基于等價類的關(guān)聯(lián)規(guī)則挖掘矩陣算法的設(shè)計及應(yīng)用.pdf

1、關(guān)聯(lián)規(guī)則是最常見的知識表示方法之一，關(guān)聯(lián)規(guī)則挖掘技術(shù)應(yīng)用于檔案管理信息系統(tǒng)中可以發(fā)現(xiàn)檔案利用者使用檔案的規(guī)律，以便提供主動服務(wù)，保護檔案實體安全；發(fā)現(xiàn)師資隊伍的學(xué)緣結(jié)構(gòu)、年齡結(jié)構(gòu)、職稱結(jié)構(gòu)是否合理及人才流動原因等，為領(lǐng)導(dǎo)部門制定相關(guān)管理政策提供輔助支持，從而極大地提升我國檔案信息化管理工作的層次和效率。但目前存在的關(guān)聯(lián)規(guī)則算法，或需多次掃描數(shù)據(jù)庫，或產(chǎn)生的候選項集數(shù)量巨大，或沒有考慮事務(wù)間的相關(guān)性，而這些相關(guān)性在檔案數(shù)據(jù)庫中是普遍存在的

2、，因此，這些算法應(yīng)用于檔案數(shù)據(jù)挖掘效率較低。如何改進現(xiàn)有的關(guān)聯(lián)規(guī)則算法，從而可以在檔案管理信息系統(tǒng)中推廣應(yīng)用成為目前研究的一個熱點問題。 為此，本文提出了基于等價類的關(guān)聯(lián)規(guī)則挖掘矩陣算法(Association MiningMatrix algorithm based on Equivalence Class，以下簡稱EC-AMMA算法)，該算法用數(shù)據(jù)矩陣存儲事務(wù)集，只需掃描數(shù)據(jù)庫一次，采用等價類劃分來約簡事務(wù)集，并且運算過程中

3、不產(chǎn)生候選項集。由于最大頻繁項集隱含了所有的頻繁項集，所以EC-AMMA算法通過求取最大頻繁項集來挖掘關(guān)聯(lián)規(guī)則，算法把掃描數(shù)據(jù)庫得到的數(shù)據(jù)轉(zhuǎn)換成布爾數(shù)據(jù)后，用布爾數(shù)據(jù)矩陣存貯，矩陣的行表示事務(wù)，列表示事務(wù)中可能出現(xiàn)的項目，算法充分考慮到事務(wù)之間的相關(guān)性，采用等價劃分的思想，對數(shù)據(jù)矩陣進行等價類劃分，然后利用矩陣中各行的等價關(guān)系和頻繁項集性質(zhì)對數(shù)據(jù)矩陣從行和列兩個方向進行約簡，最后對約簡后的數(shù)據(jù)矩陣自左向右掃描，利用本文提出的項目相似度在