基于位运算与海明距离的Apriori算法改进.pdfVIP

2014年第五期 文章编号：1009—2552(2014)05—0147—04 中图分类号：TP301．6 文献标识码：A 基于位运算与海明距离的Apriori算法改进 王晓龙 (天津大学，天津 300072) 摘 要：关联规则现在已成为数据挖掘领域中非常重要的研究课题，用于发现隐藏在大型数据 集中的令人感兴趣的联系。Apriori算法作为第一个关联规则挖掘算法，开创性地使用了基于支 持度的剪枝技术，系统地控制了候选项集的指数增长。但是，Apriori算法仍然存在着频繁扫描 数据库和产生大量候选项集的缺点。鉴于此，提出了用一个整型或整型数组来代替一项事务集 和一项候选项集，通过数据压缩，可以一次性将海量数据栽入内存，减少了磁盘 I／O负载，并 通过位运算与计算海明距离达到计算支持度的目的，同时使用了若干优化方法。 关键词：Apriori；位运算；海明距离；支持度 ImprovementofApriorialgorithm based onbitoperationandHammingdistalnce WANG Xiao．1ong (TianjinUniversity，Tlanjin300072，China) Abstract：Associationrulesindatamininghavebecomeaveryimportantresearchtopicfordiscovering hidden interesting linksin largedata sets．Apriori algorithm asthefirstassociation ruleofmining a~orithmUSeSpruningtechniquesbasedonsupport，controllingtheexponentialgrowthofcandidateitem sets．But，hterearestillfrequenttoscanhtedatabaseandgeneratingalargenumberofcandidateitem sets shortcomings．So，hterethispaperusesanarrayofintegerorintegerinsteadofatransactionsetandaest ofcandidates．Throughdatacompression，hugeamountsofdaatcanbeloadedintomemory once，reducing thedisk I／O load，andthroughthebitcomputingandcomputingHammingdistancetocomputesupport，at htessnletime，usinganumberofoptimizationmethods． Keywords：Apriori；bitoperation；Hammingdistance；support 0 引 言 Apriori算法 是 由Agrawal和 Srikant在 1994 年提出，是第一个关联规则挖掘算法，在关联分析中 关联规则由R．Agrawal等人 首先提出，现在 具有很重要的意义。由于Apriori会多次扫描事务 已成为数据挖掘领域中非常重要的研究课题，用于 数据库等缺点，之后又提出了多种多循环方式的采 发现隐藏在大型数据集中的令人感兴趣的联系。其 掘算法。包括Park等提出的DHP算法 J，Savasere 最典型的例子是购物篮规则。比如收集一个食物商