基于层次梯度分析的协同数据挖掘算法.pdfVIP

第 38 卷第 2 期 Vo1.38 NO.2 计算机工程 Computer Engineering 文章编号， 刚协-3428(2012)。如峭7扣oo?3 文献标识码.A 月 口 !iAU 1 4 句 』 叫 什 町 mm ·软件技术与数据库· 中圄分§是号I TP311 基于层次梯度分析的协同数据挖掘算法 漏冬生睛，章昭辉睛，代秀娟睛，杨娟础 (安徽师范大学 a. 数学计算机科学学院; b. 高性能计算研究中心，安徽芜湖 241αlO) 摘 W: 传统的关联规则挖掘算法易形成大量频繁项目集，不适用于异构环境下海量交通数据的挖掘。为此，提出基于层次梯度且无候选 项分析的协同数据挖掘算法。采用挖掘主题数据库和层次梯度构建层次业务数据库，逐层深度挖掘局部频繁项。利用弱化婿模型对频繁项 主题数据库进行数据分析，并产生关联规则。实验结果表明，该算法适用于无候选项支持的协同挖掘。 关键词z 协同数据挖掘;关联规则;层次梯度;层次业务数据库 Collaborative Data Mining Algorithm ?ased on Level Grads Analysis PANDong咄eng啡， ZHANG Zhao-huia.b, DAI Xiu-juana.b, YANG Juan硝 (a. College of Mathematics and Computer Science; b. High Performance Computing Research Center, Anhui No口nal University, Wuhu 241创刀， China) IAbstract)ηl.e classic data mining algori由m produces a lot of 台吨uent-i能m set, which is not applied to the massive 也ta mining in In也J1igent Transportation Sy即m(ITS). 币l?s paper proposesωalgorithm based on level grads without candidate items analysis that is used for computing ass∞iation rules under 也e heterogeneous environment. 1阮t us优es t由he ∞n臼pt ofb怕0由 level grad也s and mining topic 町缸lsa缸ction datab豁e剧s form回in咆1嗨g 由e lev四el 町缸创lsa始c血tio佣n database and mining the 10ωcal fl仕re吨qu盼1赂ent-耐m.ηE恬e main-node uses t由heωn(ω冗p伊t of weakly-entropy to abstractωme 部sociation rules. Simulation results show 由at this algori由m has better performance in collaborative minir喀则由out candidate support. IKey wordsJ collaborative data mining; association rule; level grads; level tran蝇ctlon 句tabωe DOI: 1O.3969/j .issn.1仪沁-3428.2012.02.023 1 概述! 智能交通系统(lntelligent Tì:?nsportation System, ITS)是 信息全球化和社会化的必然·产物，并被视为解决当今交通问 题最有前途的手段之一。智能交通系统运用数据挖掘技术和 分布式协同计算技术解决传统分布式计算技术中存在的自主 行为实体之间的交互协作问题。这使智能交通数据的挖掘同 传统的数据挖掘相比，具有很多新的特点: (1)数据存储位置 的分布性，数据的分布性决定挖掘算法的协同性。 (2)数据的 多样性。这取决于数据的对象非常广泛。因此，数据的多样 性加大了挖掘数据的维数和复杂性，以及数据挖掘的难度。 关联规则是由文献川首先提出来的一个重要的 KDD 研 究课题，是数据挖掘研究中的重要内容之一。而传统的关联 规则数据挖掘算法将产生大量的频繁项目集。经典的挖掘算 法是 Apriori 算法llJ和采用频繁模式树(FP-tree)作为存储结构 的 FP-Growthl2J算法。根据 FP-tree 的存储结构，对 FP-Growth 算法进行改进，提出了许多 FP-Growth 变