改进的Apriori算法在中医医案分析中的应用.pdfVIP

200 9年12 月 山东师范大学学报( 自然科学版) Dee ．2009 第24卷第4期 J our nal o f Sh a ndon g Nor mal Uni v er si t y( Nat ur al Sci enc e) V01．2 4 No．4 改 进 的 pr i or i 算 法 在 中 医 医 案 分 析 中 的 应 用 袁锋1’ 陈守强2 ’ ( 1) 山东省工会管理干部学院信息工程系 ．250100，济南；2) 山东 中医药大学第二 附属医院，2 5000 1，济南 ／／第一作者37岁，女，副教授) 摘要为了解决 pr i or i 算法的不足，提出了改进的 pf i of i 算法：进行剪枝侯选项 目集时，采用生成频繁项 目集和删除具有 非频繁子集候选 同时进行的方法来减少多余子项 目集的生成 ．改进的 pr i or i 算法大大提高r 频繁项 目集即关联规则生成的效率， 运行时阅不及原算法 的十分之一 ，同时节省厂大量 的存储空问．最后利用改进 的 pr ／or ／算法对 中医医案数据进行关联规则挖掘 ， 获得r 良好 的效果． 关键词数据挖掘 ；关联规则； —of f 算法；中医医案 中图分类号TP 301 文献标识码 酗：10 ．3969 ／j ．i s en ．100 1—4748 ．2009 ．04 ．009 数据挖掘是一种半 自动地从大量的、不完全的、有噪声 的、模糊的、随机 的数据中提取出隐含在其中潜在有用 的信息和知 识的过程 ．数据挖掘从数据 中提取人们感兴趣的可用信息和知识，并将提取出来的信息和知识表示成概念、规则、规律和模 式⋯．作为数据挖掘 的一种十分有用的知识模式，关联规则的挖掘算法得到较为广泛的重视和研究，该算法的关键和核心是 生成频繁项目集，如何有效地生成频繁项目集是算法改进方向之一 ． 经典的 叫or i 算法在每次生成候选项集后，要返回数据库，并对该候选集是否为频繁项 目集进行判断，这样的高频率查 询操作 ，会导致挖掘效率 降低 ．根据这个不足 ，本文提出一种改进的生成频繁项 目集的算法 ，该算法在产生新候选项集后不再 返 回数据库进行判断是否为频繁项 目集 ，而是删除具有非频繁子集 的候选项，直接生成所对应 的频繁项目集． 将改进 的 埘or i 算法应用于 中医医案分析，经过测试数据可以看 出这种方法提高了关联规则挖掘效率． 1 p r i or i 关联规则算法 1．1关联规 则基本术语 设J = {i 。，之，⋯ ，i 。}为数据项集合，D为与任务相关的数据集合 ，也就是一个事务数据库，其中的 每个交易r 是一个数据项子集，其中TC_I ，每个事务都有一个标识符，称为TI D．设 为一个数据项集合，交易r 包含 当且仅 当 ￡z支持度s是D中包含 OB的事务百分 比，它是概率P( UB) ，即suppor t ( 辛B) =P( UB) ，它描述了 和 曰这两 个物品集的并集在所有的事务中出现的概率．满足最小支持度的项集称之为频繁项集．置信度c为D中包含 的事务中同时 也包含B的百分 比，它是概率P( BI ) ，即conf i dence( =》B)=P( BI ) ．同时满足最小支持度阈值和最小置信度周值的规则称 作强规则 ． 1 ．2 晒or i 算法 州or i 算法是一种最有影响的挖掘关联规则的算法，它使用了频繁项集的所有非空子集都必须是频繁 集 的这一性质．其具体做法是 ：扫描数据库一遍统计各数据项 ，从而找 出频繁l 一项集 厶，然后利用￡，来挖掘k ，即频繁2一项 集；不断如此循环下去直到无法发现更 多的频繁七一项集为止，每挖掘一层 厶就 需要扫描整个数据库一遍 心】． pfi of i 算法能够比较有效地产生关联规则，但也存在着以下缺 陷：1) 算法产生太多冗余 的规则．当数据库太大或支持度 、 信任度 阈值太低时产生的规则太多．2) 算法在效率上存在着 问题．主要是因为数据库扫描次数太多，寻找每个七一项集都需 要扫描数据库 一次，共需要扫描数据 库I | }次． 2 改进 pr i or i 算法 笔者针对分析中医医案提出了一种改进的 研丽算