不確定數(shù)據(jù)頻繁項(xiàng)挖掘的研究.pdf

1、頻繁項(xiàng)挖掘作為數(shù)據(jù)挖掘領(lǐng)域研究的重要主題之一,已被證實(shí)具有一定的理論價(jià)值,并且在市場(chǎng)選擇、決策支持和商務(wù)管理等方面得到廣泛的應(yīng)用。隨著科學(xué)理論和技術(shù)的發(fā)展,金融,傳感器網(wǎng)絡(luò)和醫(yī)學(xué)等領(lǐng)域涌現(xiàn)大量不確定數(shù)據(jù)。簡(jiǎn)單忽略數(shù)據(jù)的不確定性,應(yīng)用傳統(tǒng)算法挖掘頻繁項(xiàng)產(chǎn)生的結(jié)果難以令人信服。近年來(lái),針對(duì)不確定數(shù)據(jù)的頻繁項(xiàng)挖掘逐漸成為研究熱點(diǎn),大部分研究成果基于傳統(tǒng)頻繁項(xiàng)挖掘算法改進(jìn),如U-Apriori算法、UF-growth算法等,性能勉強(qiáng)接受,但有待

2、深入研究。鑒于此,本文針對(duì)UF-growth算法和U-Apriori算法進(jìn)行改進(jìn)和優(yōu)化,進(jìn)一步提高不確定數(shù)據(jù)中頻繁項(xiàng)挖掘的效率。
　　針對(duì)UF-growth算法構(gòu)造大量樹結(jié)點(diǎn)和分枝的局限性,提出壓縮UF-tree算法,放寬構(gòu)建樹結(jié)構(gòu)標(biāo)準(zhǔn):不考慮數(shù)據(jù)項(xiàng)的存在概率,數(shù)據(jù)項(xiàng)名一旦與樹結(jié)構(gòu)中對(duì)應(yīng)結(jié)點(diǎn)匹配,共享該結(jié)點(diǎn),否則,考慮從未匹配結(jié)點(diǎn)處開辟新分枝,當(dāng)前數(shù)據(jù)項(xiàng)及事務(wù)中其后的所有數(shù)據(jù)項(xiàng)作為結(jié)點(diǎn)有序地添加到新分枝中,事務(wù)中最后處理的數(shù)據(jù)項(xiàng)對(duì)

3、應(yīng)的結(jié)點(diǎn)保存事務(wù)編號(hào)。借鑒概念格理論中的等價(jià)類關(guān)系產(chǎn)生候選項(xiàng),縮減遍歷分枝的路徑次數(shù)。構(gòu)建概率向量結(jié)構(gòu),集中存儲(chǔ)單項(xiàng)頻繁項(xiàng)的存在概率,結(jié)合事務(wù)編號(hào)集,利用點(diǎn)積運(yùn)算統(tǒng)一處理所有候選項(xiàng)的支持度,經(jīng)過(guò)支持度約束過(guò)濾,產(chǎn)生所有頻繁項(xiàng)。通過(guò)實(shí)驗(yàn)證明,與UF-growth算法相比,壓縮UF-tree算法效率更高。
　　針對(duì)U-Apriori算法多次遍歷數(shù)據(jù)庫(kù)的缺陷進(jìn)行改進(jìn),結(jié)合Eclat算法思想,提出UF-Eclat算法。將不確定數(shù)據(jù)項(xiàng)的存在

4、概率進(jìn)行抽離,保存在概率向量之中。采用Eclat算法的深度優(yōu)先搜索策略,以單項(xiàng)頻繁項(xiàng)構(gòu)建初始結(jié)點(diǎn),同層兄弟結(jié)點(diǎn)構(gòu)成子數(shù)據(jù)庫(kù),利用概念格理論的等價(jià)關(guān)系,產(chǎn)生基于當(dāng)前結(jié)點(diǎn)的原子項(xiàng),作為項(xiàng)集搜索樹的下層結(jié)點(diǎn),實(shí)現(xiàn)i項(xiàng)頻繁項(xiàng)產(chǎn)生(i1)項(xiàng)頻繁項(xiàng)。在迭代過(guò)程中,利用概率向量點(diǎn)積運(yùn)算計(jì)算候選項(xiàng)的支持度,通過(guò)支持度約束過(guò)濾非頻繁項(xiàng),使用Apriori性質(zhì)對(duì)樹分枝進(jìn)行前修剪,抑制樹結(jié)構(gòu)的過(guò)度增長(zhǎng)。通過(guò)實(shí)驗(yàn)證明, UF-Eclat算法結(jié)果與U-Aprio