基于關(guān)聯(lián)規(guī)則挖掘的apriori改進算法

基于關(guān)聯(lián)規(guī)則挖掘的apriori改進算法

ID:21544606

大?。?8.00 KB

頁數(shù):7頁

時間:2018-10-22

基于關(guān)聯(lián)規(guī)則挖掘的apriori改進算法_第1頁
基于關(guān)聯(lián)規(guī)則挖掘的apriori改進算法_第2頁
基于關(guān)聯(lián)規(guī)則挖掘的apriori改進算法_第3頁
基于關(guān)聯(lián)規(guī)則挖掘的apriori改進算法_第4頁
基于關(guān)聯(lián)規(guī)則挖掘的apriori改進算法_第5頁
資源描述:

《基于關(guān)聯(lián)規(guī)則挖掘的apriori改進算法》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。

1、基于關(guān)聯(lián)規(guī)則挖掘的Apriori改進算法  摘要關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘技術(shù)的一個重要分支,其中Apriori算法是最經(jīng)典和最有影響力的算法。本文在討論和分析了關(guān)聯(lián)規(guī)則挖掘的基本概念后,提出了一種減少掃描數(shù)據(jù)庫次數(shù)的改進算法。改進后的算法分析證明,它可以有效地提高數(shù)據(jù)挖掘的性能?!  娟P(guān)鍵詞】關(guān)聯(lián)規(guī)則挖掘數(shù)據(jù)挖掘Apriori算法  數(shù)據(jù)挖掘是從大量數(shù)據(jù)中挖掘有趣模式和知識的過程,數(shù)據(jù)源包括數(shù)據(jù)庫、數(shù)據(jù)倉庫、Web、其他信息存儲庫或動態(tài)地流入系統(tǒng)的數(shù)據(jù)?,F(xiàn)今計算機技術(shù)與數(shù)據(jù)庫技術(shù)在飛速地發(fā)展,如何從海量的數(shù)據(jù)中快速準確地找出有用的信息是數(shù)據(jù)挖掘問題中的一項重要研究內(nèi)容。  在1994年,由Ag

2、rawal提出的Apriori算法,是關(guān)聯(lián)規(guī)則里的一項基本算法,它的基本思想是重復掃描數(shù)據(jù)庫,由長度為k的頻繁項集進行迭代計算產(chǎn)生長度為k+1的候選集,再對數(shù)據(jù)庫進行掃描判斷其是否為頻繁項集?! ≡谶^往的研究當中,許多文獻提出了基于Apriori算法的改進。林佳雄等人提出的基于數(shù)組向量的Apriori算法改進,該算法改進了連接比較的次數(shù)、減少不必要事務(wù)的掃描和提高了算法對內(nèi)存空間的利用效率。曹瑩等人提出的基于向量矩陣優(yōu)化頻繁項的改進Apriori算法,趙學健等人的一種正交鏈表存儲的改進Apriori算法,該算法Apriori算法復雜的自連接和剪枝過程進行了優(yōu)化,簡化了頻繁項目集的生成過程,提

3、高了Apriori算法的時間效率?! ?關(guān)聯(lián)規(guī)則挖掘的概況  關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘中的一個很重要的課題,顧名思義,它是從數(shù)據(jù)背后發(fā)現(xiàn)事物之間可能存在的關(guān)聯(lián)或者聯(lián)系。最早是為了發(fā)現(xiàn)超市交易數(shù)據(jù)庫中不同的商品之間的關(guān)系。目的在于發(fā)現(xiàn)數(shù)據(jù)項之間的潛在關(guān)系,通過它提取出的信息將有助于人們把握和預測行業(yè)發(fā)展規(guī)律,從而更好地制定發(fā)展計劃和規(guī)避風險?! ∧敲磫栴}如下所述:假設(shè)I={i1,i2,...im}是所有項目的集合,D是一個數(shù)據(jù)庫,事務(wù)T是一個子項(TI)。每個T都有自己獨特的標識。A是由項目組成的集合,即項集。T包含A,當且僅當AT。如果項集A的項目數(shù)為k,則稱為k維項目集。項集A的出現(xiàn)頻率是包

4、含項集的事務(wù)數(shù),簡稱為項集的支持度。如果項集支持度超過由用戶給定的最小支持度閾值,則稱為頻繁項集,簡稱頻繁集?! £P(guān)聯(lián)規(guī)則是形如的蘊涵式,其中,X稱為關(guān)聯(lián)規(guī)則的先導,Y稱為后繼。其中,關(guān)聯(lián)規(guī)則X與Y存在支持度和置信度。關(guān)聯(lián)規(guī)則在D中的支持度(support)是D中事務(wù)同時包含X和Y的百分比,即概率。置信度(confidence)是D中事務(wù)已經(jīng)包含X的情況下,包含Y的百分比,即條件概率。如果滿足最小支持度閾值和最小置信度閾值,則認為關(guān)聯(lián)規(guī)則是有趣的。  2Apriori算法  2.1核心思想  最著名的關(guān)聯(lián)規(guī)則挖掘算法是Apriori算法,它是一種以概率為基礎(chǔ)的關(guān)聯(lián)規(guī)則算法,能實現(xiàn)從少到多,從

5、簡單到復雜尋找極大頻繁集。Apriori算法主要利用了向下封閉屬性:如果一個項集是頻繁項目集,那么它的非空子集必定是頻繁項目集。在運算過程中首先生成1-頻繁項目集,再利用1-頻繁項目集生成2-頻繁項目集,然后根據(jù)2-頻繁項目集生成3-頻繁項目集,依次類推,直至生成所有的頻繁項目集。最后從頻繁項目集中找出符合條件的關(guān)聯(lián)規(guī)則?! ?.2算法過程  Apriori算法采用遞推的方法來生成所需的頻繁集,主要步驟如下: ?。?)制定最小支持度及最小置信度; ?。?)Apriori算法使用了候選項集的概念,通過掃描數(shù)據(jù)庫產(chǎn)生候選項目集,如果候選項目集的支持度不小于最小支持度,則該候選項目集為頻繁項目集;

6、 ?。?)從數(shù)據(jù)庫中讀入所有事務(wù)數(shù)據(jù),得出候選1項集C1及相應(yīng)的支持度數(shù)據(jù),通過將每個1項集的支持度與最小支持度比較,得出頻繁項集合L1,然后將這些頻繁1項集兩兩連接,產(chǎn)生候選2項集和C2; ?。?)然后再次掃描數(shù)據(jù)庫得到候選2項集合C2的支持度,將2項集的支持度與最小支持度比較,確定頻繁2項集。類似地,利用這些頻繁2項集L2產(chǎn)生候選3項集和確定頻繁3項集,以此類推; ?。?)反復掃描數(shù)據(jù)庫,與最小支持度比較,產(chǎn)生更高項的頻繁項集合,再結(jié)合產(chǎn)生下一級候選項集,直到不再產(chǎn)生出新的候選項集為止;  3Apriori算法的改進及分析  3.1改進算法的思想  關(guān)聯(lián)規(guī)則是其支持度和置信度分別滿足用戶

7、給定閾值的規(guī)則,發(fā)現(xiàn)關(guān)聯(lián)規(guī)則需要如下兩步驟: ?。?)找出所有的頻繁集,其最后出現(xiàn)的頻率和預定義的最小支持度是相同的?! 。?)強關(guān)聯(lián)規(guī)則是由頻繁集產(chǎn)生的,它必須滿足最小支持度和最小置信度?! 〉茿priori算法由于需要多次掃描數(shù)據(jù)庫,而造成過重的I/0負擔,因此改進算法將通過減少數(shù)據(jù)庫掃描次數(shù)的方式來減輕I/0負擔。  改進算法的思想就是利用頻繁k+1項集中的任一元素,一定可以表示成頻繁k項集中某一元素

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。