關(guān)聯(lián)規(guī)則中的Apriori算法的研究與改進.pdf

1、近十幾年來,人們利用信息技術(shù)生產(chǎn)和搜集數(shù)據(jù)的能力大幅度提高,數(shù)據(jù)資料的規(guī)模急速膨脹。于是,人們希望有新一代的技術(shù)和工具能夠智能地自動地幫助人們分析已經(jīng)消耗大量財力和物力所收集與整理的海量數(shù)據(jù),以發(fā)現(xiàn)有用的知識,達到為決策服務的目的。因此,面對“人們被數(shù)據(jù)淹沒,人們卻饑餓于知識”的挑戰(zhàn),數(shù)據(jù)挖掘技術(shù)應運而生,并得以蓬勃發(fā)展。數(shù)據(jù)挖掘是當今人工智能和數(shù)據(jù)庫研究方面最富活力的領(lǐng)域。數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中發(fā)現(xiàn)潛在的、有用的知識的過程。關(guān)聯(lián)規(guī)

2、則挖掘是數(shù)據(jù)挖掘的主要研究內(nèi)容。而頻繁項目集的發(fā)現(xiàn)是關(guān)聯(lián)規(guī)則挖掘的核心問題。
　　本文詳細描述了數(shù)據(jù)挖掘、關(guān)聯(lián)規(guī)則的基本理論以及關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法Apriori算法,并對經(jīng)典Apriori算法進行了分析發(fā)現(xiàn)其存在著規(guī)則冗余度大、效率不高和不能挖掘定量規(guī)則等缺陷。本文針對此算法的算法瓶頸問題提出了兩種改進方法,如下:
　　1.針對經(jīng)典Apriori算法運行效率瓶頸問題,結(jié)合位集合占用內(nèi)存空間少、邏輯運算快的特點,本文提出一

3、種基于項集位邏輯運算的改進算法:B_Apriori算法。該算法通過一次數(shù)據(jù)庫掃描,構(gòu)建事務集位集合;采用項集位邏輯“與”運算和位統(tǒng)計操作確定頻繁項集;改進連接和剪枝策略,采用項集位的邏輯“或”運算,統(tǒng)計運算結(jié)果重復出現(xiàn)次數(shù),生成候選項集。實驗證明,通過與經(jīng)典Apriori算法的對比可以發(fā)現(xiàn),B_Apriori算法運行時間明顯減少。該算法避免了數(shù)據(jù)庫的重復掃描和繁瑣的連接減枝操作,進一步提高了Apriori算法的運行效率。
　　2.

4、針對經(jīng)典Apriori算法在統(tǒng)計事務庫中的項時要反復掃描事務庫,算法開銷很大的問題,本章結(jié)合數(shù)學中矩陣以及向量內(nèi)積的概念上提出了一種新的Apriori改進算法:Apriori_Matrix算法。Apriori_Matrix算法從三個方面對原有的算法進行了改進,減少了產(chǎn)生的候選頻繁項集Ck中項集的數(shù)據(jù),也減少了剪枝過程中的運算次數(shù),在統(tǒng)計支持度階段減少了需要掃描的數(shù)據(jù)庫中的事務數(shù)。而且計算機進行向量運算和位運算速度更快,程序也會更容易實現(xiàn)