資源描述：
《一種關(guān)聯(lián)規(guī)則增量式挖掘算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、一種關(guān)聯(lián)規(guī)則增量式挖掘算法研究摘要：現(xiàn)有關(guān)聯(lián)規(guī)則更新算法都是基于支持度-置信度框架而提出的，僅針對(duì)大于最小支持度閉值的頻繁項(xiàng)集進(jìn)行挖掘。為了提高告警關(guān)聯(lián)規(guī)則的完整性和準(zhǔn)確性，在相關(guān)度aarsc算法基礎(chǔ)上，提出了一種增量式挖掘uaarsc算法(updating-aarsc)。該算法對(duì)增量計(jì)算進(jìn)行了改進(jìn)，可以發(fā)現(xiàn)頻繁和非頻繁告警序列間的關(guān)聯(lián)規(guī)則。關(guān)鍵詞：關(guān)聯(lián)規(guī)則；數(shù)據(jù)發(fā)掘；滑動(dòng)窗口；增量計(jì)算analgorithmofassociativeruleincrementminingliuzaoxin（departmentofinf
2、ormationengineering,jiangxiprofessionaltrainingcollegeoftransportation,nanchang，jiangxi330013，china）abstract：theexistingalgorithmsofassociationruleupdatearebasedontheframeworkofsupport-confidenceandtheymineonlythefrequentclosureofthesetvaluegreaterthantheminimums
3、upport.toenhancethecompletenessandaccuracy,theauthorpresentsinthispaperanincrementmininguaarscalgorithmbasedonthecorrelativeaarscalgorithm.thealgorithmimprovesincrementalcomputationandmayfindtheassociativerulesbetweenthefrequentandnon-frequentalarmsequences.keywo
4、rds：associativerules；datamining；slidingwindow；incrementalcomputation0引言數(shù)據(jù)挖掘是從大量、不完整、有噪聲的隨機(jī)數(shù)據(jù)中，提取隱含在其中、人們不知道但又潛在有用的信息和知識(shí)的過程。agrawal等人提出了挖掘關(guān)聯(lián)規(guī)則的一個(gè)重要方法—apriori算法[1]。為了挖掘具有時(shí)序特征的告警關(guān)聯(lián)規(guī)則問題，hatonen等在apriori算法基礎(chǔ)上提出了基于滑動(dòng)窗口的winepi算法[2]，并在tasa(telecommunicationsalarmsequence
5、analyzer)系統(tǒng)中采用了該算法[3]。這些算法的處理過程一般分為兩個(gè)階段：⑴利用支持度發(fā)現(xiàn)頻繁告警序列；⑵利用置信度產(chǎn)生關(guān)聯(lián)規(guī)則。為了提高算法的效率、減少數(shù)據(jù)庫訪問次數(shù)，避免在第一階段中生成大量候選項(xiàng)目集，han等人提出了基于fp樹生成頻繁項(xiàng)目集的fp-growth算法，該算法將頻繁項(xiàng)集壓縮保存在一棵fp-tree中，在一定程度上提高了頻繁項(xiàng)集的存取速度，從而提高了挖掘頻繁項(xiàng)目集的效率。以上算法都是在高支持度，高置信度的條件下，挖掘出告警關(guān)聯(lián)規(guī)則。但在挖掘電信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則時(shí)，以高支持度和高置信度為條件的算法具有
6、一定局限性。如在分析某省電信網(wǎng)管告警數(shù)據(jù)庫連續(xù)6萬條告警記錄時(shí)發(fā)現(xiàn)，該數(shù)據(jù)庫中共有1738個(gè)網(wǎng)元上報(bào)告警：其中1個(gè)網(wǎng)元上報(bào)8521次告警，1個(gè)網(wǎng)元上報(bào)4729次告警，14個(gè)網(wǎng)元上報(bào)告警次數(shù)在1000～2000之間，12個(gè)網(wǎng)元上報(bào)告警次數(shù)在500～1000之間，而上報(bào)告警次數(shù)小于100次的網(wǎng)元有1669個(gè)，若在上述告警數(shù)據(jù)庫中采用apriori、winepi或fp-growth算法產(chǎn)生關(guān)聯(lián)規(guī)則，即使支持度設(shè)定為1%也只能發(fā)現(xiàn)28個(gè)網(wǎng)元之間的告警關(guān)聯(lián)關(guān)系，甚至設(shè)定為0.1%（己經(jīng)很低了）仍然無法發(fā)現(xiàn)告警次數(shù)小于100的166
7、9個(gè)網(wǎng)元之間的關(guān)聯(lián)關(guān)系。而這些非頻繁的告警序列之間也會(huì)存在一些關(guān)聯(lián)規(guī)則，這些告警間關(guān)聯(lián)規(guī)則在實(shí)際工作中對(duì)網(wǎng)管人員解決故障有很大的幫助。因此，挖掘在高置信度和低支持度（或者不考慮支持度）條件下的告警關(guān)聯(lián)規(guī)則具有重要的實(shí)際意義。在實(shí)際網(wǎng)絡(luò)中非頻繁告警的種類是巨大的，而且具有很強(qiáng)的隨機(jī)性，挖掘這些告警間的關(guān)聯(lián)規(guī)則，對(duì)于網(wǎng)絡(luò)管理具有很大的實(shí)際意義。本文在分析以高相關(guān)度、高置信度為條件，在基于相關(guān)度統(tǒng)計(jì)的告警關(guān)聯(lián)規(guī)則挖掘aarsc算法(alarmassociationrulesalgorithmbasedonstatistical
8、correlation)的基礎(chǔ)上，為了適應(yīng)告警數(shù)據(jù)動(dòng)態(tài)增加的特點(diǎn)，提出了一種增量式挖掘uaarsc算法(updating-aarsc)。uaarsc算法可以發(fā)現(xiàn)頻繁和非頻繁告警序列間的關(guān)聯(lián)規(guī)則，從而提高了告警關(guān)聯(lián)規(guī)則的完整性和準(zhǔn)確性。1關(guān)聯(lián)規(guī)則的增量式更新算法目前關(guān)聯(lián)規(guī)則的更新算法，如fup算法[4]、fup2算法[
