频繁项集挖掘算法Apriori的改进的探究.pdfVIP

也轧技求工业工程版2005年10月 频繁项集挖掘算法Ap^州的改进研究 频繁项集挖掘算法Apriori的改进研究 王洪利冯玉强 (哈尔滨工业大学管理学院，哈尔演iS0001) 摘要：针对用于频繁项集挖掘的传统的Apfiofi算法具有多次扫描数据库、效率较低的缺点。本文 给出了一种基于向量运算的改进的Apriofi算法。首先扫描一次数据库，用向量表示1一项集，并对 卜项集计数，获得频繁1项集，然后产生候选2一项集．并利用向量运算获得2一项集的向量表示并 计数，产生频繁2项集，以此类推．直到所有的频繁项集都祓炭现，中闻已有的事斩压缩方法棱使 用压缩数据库减少计算量。最后通过实验与对比分析验证了谊方法具有较高的效率。 关键词：敦据挖掘；Apfiofi算法；频繁项；改进 一、刖 蓦 数据挖掘是数据库研究领域的重要研究内容。其在信息系统、管理科学等领域也有比较广泛的应用， 关联规则挖掘在商业领域，如购物篮分析中有着广泛应用，关联规则挖掘中，频繁项集的发现算法是其 算法具有扫描数据库多次、算法效率较低的缺点吐针对这一缺点，文献提出了许多改进研究【14’5“”， 但很少有改进算法在保证效率的情况下将扫描数据库的次效降到一次。本文提出了一种基于向量运算的 改进的Apriori算法。该算法仅扫描数据库一次，并通实验验与对比分析，验证了算法的效率。 二、传统的Apriori算法及其缺点m 用逐层浏览的方法。算法分为连接和剪枝两步骤。即先根据最小支持度找到频繁k项集Lk，由频繁k项 集自连接厶ot产生候选频繁k+l项集Ck．其中： 浏览数据库并计算按选项的 将候选项出现次数与 浏览数据库并计算候选 竺塑母毳…浏览数据库并计算候选项的出现 ———————刊r_——————————叫LkI 鼍兰!!!竺竺≥4三C习k—————竺竺兰趣 图1 Apriori算法的过程示意圈 3 18) 基禽项目：国隶自然辩掣基盒资助项目(7017101)?黑尤江省发曩信息产业毒向资金导向计劐项且(No．20031 ·94· 也轧杖求工业工程版2005年10月 频繁项集挖掘算法Ap^。n的改进研究 项ft和 fz可连接的条件： ，。[k—l】，：[≈～1]保证连接不产生重复，然后验证候选频繁k+l项集中的每一项的所有子集是否频繁， 定CIt+l中每个候选的计数，从而确定频繁项集Lk+l，整个过程的示意图如图1所示。 传统的Apriori的缺点在于对数据库的多次浏览。这样消耗了大量的运算时间，降低了算法的效率。 相关文献提出了许多改进的算法，但是这些算法没有使算法扫描数据库的次数降至最低一次的同时保证 算法具有较高的效率。下面首先给出了一种基于向最运算的Apriori算法的改进，此算法进扫描一次数 据库又保证了算法具有较高的效率；下面给出了一种改进的基于向量运算的改进Apriori算法，并通过 实验验证与对比分析了算法的有效性。 三、基于向量运算的Apriori算法的改进 1．传统的^priOF；的改进 的向量。以后的项集出现次数的计数通过向量问的运算来实现，此方法具有简单速度快的特点，免除了 多次大量数据从外存读人内存的时间。在下表中T。、T：、T3…．、T。表示数据库中的事物记录 (Transaction 代表一个表示项在记录中出现情况的向量， 其中圹t。。当嚣≥兹：”∞^．，。小”^…，咿 其中列向量∞“，a4，a口，¨．，dw)’(j=l，2，…．r1)表示项在记录中出现情况的向Jt。 表l向量示意图(每一列代表一个向量)