基于fp樹的關(guān)聯(lián)規(guī)則挖掘算法研究

基于fp樹的關(guān)聯(lián)規(guī)則挖掘算法研究

ID:33126812

大小:2.70 MB

頁(yè)數(shù):56頁(yè)

時(shí)間:2019-02-20

基于fp樹的關(guān)聯(lián)規(guī)則挖掘算法研究_第1頁(yè)
基于fp樹的關(guān)聯(lián)規(guī)則挖掘算法研究_第2頁(yè)
基于fp樹的關(guān)聯(lián)規(guī)則挖掘算法研究_第3頁(yè)
基于fp樹的關(guān)聯(lián)規(guī)則挖掘算法研究_第4頁(yè)
基于fp樹的關(guān)聯(lián)規(guī)則挖掘算法研究_第5頁(yè)
資源描述:

《基于fp樹的關(guān)聯(lián)規(guī)則挖掘算法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、西安電子科技大學(xué)碩士學(xué)位論文基于FP樹的關(guān)聯(lián)規(guī)則挖掘算法研究姓名:委鑫申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):計(jì)算機(jī)軟件與理論指導(dǎo)教師:祁建軍20100501摘要關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)非常重要的研究課題,廣泛應(yīng)用于各個(gè)領(lǐng)域,既可以檢驗(yàn)行業(yè)內(nèi)長(zhǎng)期形成的知識(shí)模式,也能夠發(fā)現(xiàn)隱藏的規(guī)律。有效地發(fā)現(xiàn)、理解、運(yùn)用關(guān)聯(lián)規(guī)則是完成數(shù)據(jù)挖掘任務(wù)的重要手段,因此對(duì)關(guān)聯(lián)規(guī)則的研究具有重要的理論價(jià)值和現(xiàn)實(shí)意義。本文深入分析了FP-Growth算法的不足,從數(shù)據(jù)結(jié)構(gòu)與挖掘方法兩個(gè)方面進(jìn)行改進(jìn),提出了基于改進(jìn)FP樹的頻繁模式挖掘算法。該算法減少了FP樹所占用的內(nèi)存,節(jié)省了條件模式樹生成所耗的時(shí)

2、間。實(shí)驗(yàn)表明改進(jìn)后算法比FP-Growth算法具有更好的性能。然后,在數(shù)據(jù)庫(kù)記錄增加的情況下,提出了一種高效的最大頻繁項(xiàng)目集的增量更新問題。該算法對(duì)新增事務(wù)處理時(shí),不再向原來FP樹子樹上增加結(jié)點(diǎn)或增加某結(jié)點(diǎn)的支持?jǐn)?shù),而是建立根的新子樹或者向新子樹上增加結(jié)點(diǎn)或增加某結(jié)點(diǎn)的支持?jǐn)?shù)。算法只對(duì)新增的頻繁項(xiàng)目進(jìn)行處理,對(duì)于支持?jǐn)?shù)不變的頻繁項(xiàng)目不再進(jìn)行處理。試驗(yàn)結(jié)果表明該算法比同樣基于FP樹的傳統(tǒng)算法挖掘最大頻繁項(xiàng)目集的效率更高。關(guān)鍵詞:關(guān)聯(lián)規(guī)則FP樹頻繁模式最大頻繁項(xiàng)目集增量更新AbstractBeinganextremelyessentialresearchtopic

3、indatamining,associationrulesminingiswidelyappliedinvariousfields.Associationrulesmaybothexaminetheknowledgepatternformedforalongtimeintheprofessionanddiscoverthesecretnewrules.Thediscovery,comprehensionandapplicationofassociationrulesareimportantmeansofaccomplishingthetaskofdatamin

4、ing.Therefore,theresearchofassociationrulesminingisofgreatimportanceinboththeoreticalrealmandrealisticrealm.ThethesisanalysesthedisadvantageofFP-Growthindepth.Takingmeasuresfromdatastructureandminingmeans,anovelalgorithmforminingfrequentpatternsbasedonimprovedcompressedFPtreeispropo

5、sed.ThisalgorithmsaveslargememoryspaceoccupiedbyFPtreeandthecostofconstructingmanyconditionalFPtrees.ExperimentsshowthatthetimeandspacefortheimprovedalgorithmhavereducedsignificantlycomparedtoFP-Growthmining.Then,Increaseinthecaseofdatabaserecords,aMaximumfrequentitem-setsofthemoste

6、fficientincrementalupdateproblem.Inprocessingnewwork.thisalgorithmnolongeraddsnewnodestotheFPtreeorsupportcountofanynode.Insteaditcreatesnewsubtreeofrootoraddsnodestothenewsubtreeoraddssupportcountofanynode.Thisalgorithmonlyhandlesnewlyincreasedfrequentitemsinsteadoffrequentitemswho

7、sesupportcountdosenotchange.TheexperimentresultshowsthatthisalgorithmismoreefficientthanthetraditionalalgorithmbasedonFPtreeforminingmaximumfrequentitem-sets.Keywords:AssociationRulesFPtreeFrequentPatternMaximumfrequentitem-setsIncrementalUpdating西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性(或創(chuàng)新性)聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的

8、科學(xué)道德,本人聲明所呈交的論文是我個(gè)人

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。