基于层次频繁模式树的关联分类规则数据挖掘算法.pdfVIP

第 32 卷第 6 期 Vol. 32 No.6 济宁学院学报 Joumal of Jining University 2011 年 12 月 Dec. 2011 文章编号 :1004一1877(2011)06--0076--03 基于层次频繁模式树的关联分类规则数据挖掘算法 杜永生 (济宁学院计算机科学系，山东曲阜 273155 ) 摘 要:针对 CMAR 算法存在的不足，提出了层次频繁模式树的概念，并在此基础上实现了关联分类数 据挖掘算法.实验数据表明，该方法比 CMAR 算法具有更高的效率与数据库覆盖面. 关键词:数据挖掘;美联分类规则;层次频繁模式树 中图分类号 :T凹01. 5 文献标识码 :A 1 引言 CMAR 算法是基于多维的关联规则的有效、 精确的分类算法[1] 它通过对关联规则进行加权 平方修正了单一规则分类的片面性;借助于被约 束子树解决了规则产生时的多次对数据库扫描的 问题.对数据库进行分类分析时具有更高的一致 性，可伸缩性和有效性[2] 但是 CMAR 对多关联、 多维数据挖掘方面存在着分类不准确、数据覆盖 率低、内存开销大等方面的不足[3] 因此如何降 低 CMAR 算法的时间性能，提高其分类精确度成 为对 CMAR 算法进行再研究的热点.本文尝试在 FP 一 tree 结构的基础上，借助层次信息体现特征 结点的支持度，并增加类标签结点，形成层次分类 频繁模式 HCFP - tree (hierarchical classification frequent pattem tree) ，并以此数据结构为依据，推 导关联规则. 2 相关概念 定义 1 :模式 P = (町， αt2 . . . . . .αρ( (1 =j =k)( αij E Ai)句，0;6毛)) )是属性 -值的对应集合.在模式中，同一个属性-值对只 可能出现一次. 定义 2:分类关联规则是在指定特定训练数 收稿曰期 :2011→9-30 据集 T 上模式与类标签 C 的关联性推导，可表示 为: R:P → c 的形式. 定义 3:在分类关联规则 R:P→c 下，设 Psup- count 为满足模式匹配实例总数，满足模式匹配并 E标号为 C 的规则总数称为 Rsupcount，则关联规 则 R 的置信度为 Rsupcount 与 Psupcount 的比值， R 的支持度为 Rsupcount 与事务总数 ITI 的比值. 可表示为: 规则 R 的置信度为: Co旷ìdence(R) = RsuvCount 」旦旦旦与 100% ;规则 R 的支持度为: PsupCount RsuvCount upport(R) = ~旦旦旦与 100% . I TI 4 定义 4:分类频繁模式树 CFP - Tree 是同类 别特征结点共享相同路径的树[4] 关联规则分类算法就是将事务数据库中潜在 的、满足用户指定的最小支持度阔值和可信度阔 值的分类规则以频繁项集为前件，分类标签为后 件的形式描述出来. 3 算法的实现 3.1 层次分类频繁模式树的生成 由于算法实现依据于层次分类频繁模式树， 所以算法进行之前，需要生成层次频繁模式树 ( HCFP - Tree) . HCFP - Tree 的生成过程如下: 作者简介:杜永生(1977-) ，男，山东嘉祥人，济宁学院计算机科学系讲师，研究方向:数据库技术、数据挖掘. - 76 一 ( 1 )对 T 进行一次扫描，将支持度满足最小 支持度阔值的频繁 1 项集按降序生成头表 H- List , (2)将分类标签按字母顺序排序在特征属性 的后面，形成三元组顺序表 TS - List.表中的每个 元素由特征项或类别项、层次号两部份组成. (3)对事务数据库进行一次投影操作，将原 始项集中不在H - Listt 的项删除. (4)对于每一个事务 Ti ，根据处理后的项集， 结合项在 TS - tist 的层次关系生成 HCFP - Tree. HCFP -Tree 生成时相同层次的特征结点可以共 享路径、类别结点. (5) 生成 Reader 表，表中指针指向对应的类 标签结点. 值得注意的是，与 CFp:.... Tree 树结构不一样 的是 HCFP - Tree 树的特征结点不再存储项和支 持度的信息，而仅存储了项集，项集的支持度信息 可以通过 header 表得到. 例 1 :在给定最小支持度阔值为 2 ，将表 1 所 示的事务数据库生成 HCFP - tree. 表 1 事物数据库及类标签 Tid 原始项集 处理后项集 类标签 001 I1. 12. 13. 15. 16 15.12. I1. 13 A 002 I1. 12. 14. 15. 17 15.