資源描述：
《一種改進(jìn)的基于矩陣的頻繁項(xiàng)集挖掘算法》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。
1、第期計(jì)算機(jī)技術(shù)與發(fā)展Vo1．20No．42010年4月∞MP1兀RTECHN0IoGYANDDEVEL0PMENrApr．2010一種改進(jìn)的基于矩陣的頻繁項(xiàng)集挖掘算法張笑達(dá)，徐立臻(東南大學(xué)計(jì)算機(jī)系，江蘇南京211189)摘要：如何從海量數(shù)據(jù)信息中挖掘出有用的關(guān)聯(lián)規(guī)則已經(jīng)成為人們廣泛關(guān)注的問題，而在關(guān)聯(lián)規(guī)則挖掘中，首要的問題就是如何高效地挖掘出頻繁項(xiàng)集。針對已有FIMM算法作出改進(jìn)，提出了一種改進(jìn)的基于矩陣的頻繁項(xiàng)集挖掘算法N—FIMM，該算法在FIMM基礎(chǔ)上去除大量冗余的非頻繁項(xiàng)集的項(xiàng)集，減少計(jì)算可能頻繁項(xiàng)集的工作量，同時(shí)縮小了矩陣規(guī)模，提高了空間效率。通過對矩
2、陣操作，一次性地產(chǎn)生所有的頻繁項(xiàng)集。試驗(yàn)結(jié)果表明，該算法對已有的基于矩陣的頻繁項(xiàng)集挖掘算法有了很大的改進(jìn)，提高了挖掘效率。關(guān)鍵詞：數(shù)據(jù)挖掘；頻繁項(xiàng)集；FIMM中圖分類號(hào)：1]P301．6文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1673～629X(2010)04—0093—04AnAdvancedFrequentItemsetsMiningAlgorithmBasedonMatrixZHANGXiao-da，XULi—zhen(ComputerCollege，SoutheastUniversity，Nanjir~4g211189，China)Abstract：HowtOmineth
3、eusefulassooationrulefromlargenumbersofdatainformationhasbeenamainproblemconcernedwidely．聊Iileintheminingofassociatkmrule．thechiefquestionishowtomineOUtthefrequentitemsetseffectively．Anadvancedfrequentimmsetsmining~orithmbasedonF][刪isproposedinthispaper．Throughdeletingunnecessaryitent
4、sets．thealgorithmgreatlydemi—nishtheworkloadofgettingitemsetsaswellasminifythew．a(chǎn)hofmatrix．Thus，theeficiencyofspaceutilityislargelyimproved．Byop-erating01"1thematrix，allthefrequentit~metsaIegeneratedone—time，itisprovedbyexperimentsthatthisa1g0riismuchmoreef-f~fivethefrequentitemsetami
5、ningalgorithmbasedonmatrixeximing．Itwillimprovetheefficiencyofdatamining．Key：datamining；frequentitemset；FIMMO引言庫的事務(wù)中包含10個(gè)項(xiàng)，可能產(chǎn)生的所有項(xiàng)集數(shù)就達(dá)關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一個(gè)重要方面，其目到210個(gè)，這已經(jīng)是一個(gè)不小的數(shù)字!現(xiàn)實(shí)中數(shù)據(jù)庫中的是從海量的數(shù)據(jù)中挖掘出滿足用戶興趣的依賴關(guān)包含的項(xiàng)目數(shù)可能是100、1000，甚至更多，由此產(chǎn)生的所有可能項(xiàng)集數(shù)將不可想象，因此數(shù)據(jù)庫所有可能系，關(guān)聯(lián)規(guī)則挖掘的核心是挖掘頻繁項(xiàng)集。RekeshA．grawa
6、l等人提出關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法后?，該技術(shù)被眾項(xiàng)集的計(jì)算量和矩陣規(guī)模也將成為FIMM算法的瓶頸。多學(xué)者廣泛研究，出現(xiàn)了許多相關(guān)算法：以Ap一算針對FIMM算法存在的問題，提出了一種改進(jìn)的法為代表的采用逐層搜索的迭代方式和不產(chǎn)生候選項(xiàng)集的FP—growth算法-2J?；诰仃嚨念l繁項(xiàng)集挖掘算法(N—FlMM)，該算法只需掃描數(shù)據(jù)庫一次就能把事務(wù)數(shù)據(jù)庫轉(zhuǎn)化成頻繁項(xiàng)集目前，已有研究人員提出了基于矩陣的頻繁項(xiàng)集矩陣，在構(gòu)造頻繁項(xiàng)集矩陣的過程中先去除那些必不挖掘算法FIMM(FrequenthemsetsMiningbasedon可能成為頻繁項(xiàng)集的項(xiàng)集和頻繁1一項(xiàng)集，這樣就大M
7、atrix)-3J，該算法只需掃描數(shù)據(jù)庫一次便構(gòu)造出頻繁大減小了計(jì)算項(xiàng)集的工作量，同時(shí)縮小了矩陣的規(guī)模，項(xiàng)集矩陣，避免了產(chǎn)生大量候選項(xiàng)集的瓶頸。然而在然后對項(xiàng)集向量進(jìn)行累加操作以實(shí)現(xiàn)對項(xiàng)集的計(jì)數(shù)，構(gòu)造矩陣的過程中，此算法需計(jì)算出數(shù)據(jù)庫可能產(chǎn)生由此一次性產(chǎn)生所有頻繁項(xiàng)集，避免了FIMM算法的的所有項(xiàng)集，因此要進(jìn)行大量計(jì)算，而且構(gòu)造出的頻繁瓶頸，有效提高了挖掘效率。項(xiàng)集矩陣規(guī)模異常龐大，算法空間效率低。假設(shè)數(shù)據(jù)收稿日期：20o9一o7—14；修回日期：2oo9一l1—041N—FIMM算法作者簡介：~(1986一)，女，碩士研究生，研究方向?yàn)橐苿?dòng)數(shù)據(jù)1．1基本概念庫的
8、發(fā)展與應(yīng)用
