基于概念格的规则提取算法研究及改进.pdfVIP

第28卷第2期 科技通报 V01．28No．2 2012年2月 BULLETINOFSCIENCEANDTECHNOLOGY Feb．2012 基于概念格的规则提取算法研究及改进 赵 凯 淄博职业学院，山东淄博255314 摘要：提出了一个基于概念格的规则算法的改进算法。该算法可以大大提高数据挖掘的效率，提高查 找时的速度。 关键词：数据挖掘；概念格；算法 中图分类号：TP399 文献标识码：A 文章编号：1001—71 19 2012 02—0123—03 LatticebasedRuleExtraction Researchand Concept Algorithm Improvement zHAOKa／ Vocational 2553 Zibo Institute，Zibo14，China Abstract：This arolesbasedon lattice to the can paperpresents concept algorithm improvealgorithm，thisalgorithm the ofdata thesearch greatlyimproveefficiencymining,improvespeed． words：data lattice Key mining；concept 1 关联规则挖掘 算法对每个规则的支持度和信任度不能很好地支持． 只支持满足本身支持度和信任度的相关规则。 关联规则挖掘就是从数据库中挖掘出所有的强关 2．2算法的描述 联规则和数据。它可以分为以下几个问题： S是一个规则集合，F Xi是闭合集合S中的大部分 1 在事务数据库中找出所有的相关频繁数据项 规则闭合子集中的集合。 目集。即找出用户指定的最小关联频繁数据项，而且要 MaYjmalOenerators Y,S ； 不小于指定的项目集。 Omax Y dp； ／／集合X中的新项目集 2 在事务数据库找出的频繁数据项目集，经过 J Y-Yj； Forall 一系列动作，产生相关的强关联规则。 j EJ，，每一个子集项目作为最大生成器 OI毗m O—mu jl； 2算法改进 o, jijEY-Jl；／／剩余的项目集 t l； 2．1算法的提出 WhileOT≠巾 FORALL0E0T 新的算法相对以前的规则产生集来说，大大减少 JF FOR 了规模，并且大大提高了相应的数据挖掘的效率。为了 O荜Yj ALLYjES 和以前的传统规则的产生集相区别，我们把这个新的 O～ Y 0“ Y u 01． 产生集称为组规则产生集。它和传统的提取规则算法 Ot Ot—O； ．，／做为下一轮的候选最大生成器 相比，由于产生集的规模大大减少了，由此，用户可以 Ot,t O’-j1…Jd”tlVljt+l。30iE 很好地理解相应的规则，更容易推导出其他的新规则， 0t，oj_jI．．·jj-ljj．t··“l 避免了大量的对用户来说无用的新规则的产生，对于 t t+l； 大型的数据库来说．也避免了产生大量的规则产生集。 创建一个新的概念格，从中取出相应的规则。设定 但是该算法相对传统规则集来说也有不足，比如新的 支持度的最小值为A。信任度的最小值为B。 收稿日期：201I-10-26 作者简介：赵凯 1981- ．硕士．助教，研究方向：网络数据库。 124 科技通报 第28卷 通过取出的规则，创建一个规则的最小集合C。 因为nuiil A2+A 步骤一：初始化C 0。根据获取的规则数计算求出 所需要的事务节点总数D，把事务节点总数D n+l，并是不一样的。因此由A mintedon Bn +C 且把事务节点数存储在创建的最小集合H中。 步骤二：经过计算，求出H中所有的根节点和子节 点的上级和下级节点中的指针数，然后求出最小指针 数Fmin和最大指针数Fmax。 i n 以及其他的组节点之间的规则都可以由上面的证 步骤三：如果Fmin--0，此计算直接结束，转到最后明来推导出来。通过对所有组节点的理论证明，我们都 一步。否则，把Fmax中的数值放入到最小集合H中。 可以推导出来相应的组节点规则。 经过计算求出子节点D的外延指数，白定义为q。 3．2实例描述 根据子节点D的外延指数，直接求出相应的上级 把信任度设置为40％，支持度设置为5，创建一个 和下级节点的数量，然后存储在最小集合H中。 根据规则生成一个产生集合相应的节点K和Kn， 他们之间的支持度和信任度都设置为最小，放入集合 索计算，根据算法可以产生一个规则集，如下： H中。 1 4~6之间的节点信任度可以为20％，支持度为5； 对于节点K和Kn，去掉相应的上级和下级的外