关联规则挖掘算法研究的论文.docVIP

　　关联规则挖掘算法研究的论文 摘 要 apriori算法是发现频繁项目集的经典算法，但是该算法需反复扫描数据库，因此效率较低。本文介绍了apriori算法的思想，并分析了该算法的性能瓶颈。在此基础上，针对apriori算法提出了一种改进方法，该方法采用转置矩阵的策略，只扫描一次数据库即可完成所有频繁项目集的发现。与其他经典的算法相比，本文提出的算法在项目集长度较大时，性能明显提高。 关键字 关联规则，支持度，置信度，apriori 1 引言 关联规则挖掘就是在海量的数据中发现数据项之间的关系，是数据挖掘领域中研究的热点问题。1993年agraannila等[4]提出：基于前一遍扫描得到的信息，对此仔细地作组合分析，可以得到一个改进的算法了。.针对mannila的思想toivonen[5]进一步提出：先使用从数据库中抽取出来的采样得到一些在整个数据库中可能成立的规则，然后对数据库的剩余部分验???这个结果。toivonen的算法相当简单并显著地减少了i/o代价，但是一个很大的缺点就是产生的结果不精确，存在数据扭曲(data ske}是二进制文字的集合，其中的元素称为项(item)。定义交易(transaction)t为项的集合，并且tiacute;i，定义d为交易t的集合。设x是i中若干项的集合，如果xiacute;t，那么称交易t包含x。项目集中包含项的个数成为项目集长度。 关联规则是形如xthorn;y的蕴涵式，这里xigrave;i, yigrave;i，并且xccedil;y=f。 规则xthorn;y在交易数据库d中的支持度（support）是交易集合中包含x和y的交易数与所有交易数之比，记为support(xthorn;y)，即support(xthorn;y)=|{t:xegrave;yiacute;t，ticirc;d}|/|d|。 规则xthorn;y在交易集中的置信度（confidence）是指包含x和y的交易数与包含x的交易数之比，记为confidence(xthorn;y)，即confidence(xthorn;y)=|{t: xegrave;yiacute;t，ticirc;d}|/|{t:xiacute;t，ticirc;d}|。给定一个交易集d，挖掘关联规则就是找出支持度和置信度分别大于用户给定的最小支持度(minsup)和最小置信度(minconf)的关联规则。 2.2 基本思想 1994年agra(rk)=support(rk)*|d|=|tids(xk)|。l’k表示k-项集的集合。 改进的apriori算法依然采用“逐层有哪些信誉好的足球投注网站”的迭代方法，迭代过程的“连接-剪枝”运算定义如下： ①连接：设两个(k-1)-项集：l’ k-1 (i)=lt; xk-1，tids(xk-1) gt;icirc; l’k-1，l’ k-1 (j)=lt; yk-1，tids(yk-1) gt;icirc; l’k-1，ilt;j。如果xk-1和yk-1的前k-2项相等，即：xk-1[k-2] ≡yk-1[k-2]，则(k-1)-项集连接：l’ k-1 (i)∞l’ k-1 (j)= lt; xk-1 ∪yk-1, tids(xk-1) ∩tids(yk-1)gt;= lt;xk，tids(xk)gt;=rkicirc; l’k；否则，不进行连接运算，因为产生的结果不是重复，就是非频繁项目集，这样可减少计算量。 ②剪枝：计算k-项集的支持数，根据上面的定义supnum(rk)=|tids(xk)|，该计算过程不需要再扫描数据库，避免了i/o操作，提高了算法的效率。如果supnum(rk)≥minsupnum，则lt; xk , |tids(xk)|gt; icirc; l；否则，从集合l’k中删除rk。 3.2 改进的算法描述 输入：数据库d，最小支持数minsupnum 输出：d中的频繁项目集l 算法描述： ① l’1 = findfrequentoneitemsets(d); //扫描数据库d生成1-项集的集合l’1。 ② for each oneitemset lt;x1, tids(x1)gt;icirc;l’1 //生成频繁1-项集的集合 if (|tids(x1)| ≥ minsupnum) l = l ∪ {lt;x1, |tids(x1)|gt;}; else l’1 = l’1 - {lt;x1, tids(x1)gt;}; ③ for (k=2; l’k-1≠ф; k++) l’k = l’k-1∞l’k-1; for each k_itemset lt;xk, tids(xk)gt; icirc;l’k if (|tids(xk)| ≥ min