基于模式矩阵的P_Matrix算法.pdfVIP

第31卷第5期 南昌大学学报(理科版) Vo1．31 No．5 2007年10月 Journal of Nanchang University(Natural Science) Oct．2007 文章编号：1006—0464(2007)05—0496—04 基于模式矩阵的P—Matrix算法 刘江华 ，戴新喜 ，白似雪 (1．江西省高等院校招生委员会办公室；2．南昌大学计算机科学与技术系，江西南昌 330031) 摘 要：Apfiofi算法是关联规则挖掘中最经典的算法，该算法需多次扫描数据库并产生海量的候选项目集。利用 模式矩阵对Apriori算法进行改进，提出一种P—Matrix算法，它使扫描数据库的次数降为一次，同时不产生候选项目 集而直接产生频繁项目集，从而使算法的时间复杂度和空间复杂度大大降低。 关键词：数据挖掘；关联规则；Apriori算法。 中图分类号：TP311．13 文献标识码：A 数据挖掘又称知识发现(简称KDD)，是数据库 一 项集，则Apriori算法需要产生多达10 个候选2一项集，并 和人工智能领域最前沿、最活跃的研究方向之一。 累计和检查它们的频繁性。此外，为发现长度为100的频繁 数据挖掘是一个数据驱动的过程¨j，目的是从存储 模式，如{o ．-，o． }，它需要产生多达2 10∞个候选。 在大型数据库、数据仓库或其他信息存储容器中的 ②它可能需要重复地扫描数据库，通过模式匹配检查一个 大量数据中提取人们感兴趣的知识，这些知识一般 很大的候选集合。对于挖掘长模式尤其如此。因此，如何解决 是隐含的、事先未知的、对决策有潜在价值的有用信 这两个问题是决定整个算法的关键所在。本文提出了一种基 于二进制形式 的模式矩阵(Pattern Matrix)的高效改进算 息。信息的表示形式包括概念、规则、规律、模式等。 法(以下简称P—Matrix算法)，用于解决这两个问题。 通过分析挖掘出的信息，使企事业单位的高层管理 2 P 人员得到决策的依据。 — Matrix算法 关联规则¨ 首先由Agrawal，Imielinski和Swami P — Matrix算法具体分为两步：①扫描数据库DB一遍，得 于1993年在对市场购物篮问题进行分析时首次提 到二进制形式的模式矩阵并对它进行行列转换。②对模式 出，用以发现商品销售中的顾客购买模式，是数据中 矩阵P各行按位作与运算，直接产生频繁项目集。 一 种简单但很实用的规则。关联规则挖掘是数据挖 2．1 模式矩阵的生成 掘的一个重要研究内容。关联规则挖掘主要是基于 定义 元向量 由数据库直接扫描得到的项目向量权 频繁项目集 发现上的，而Agrawal和Srikant提出 称为元向量。 的ApfiofiL2 算法是最经典且最具影响的挖掘布尔 构造元向量：设一个数据库中含有n个事务，全部事务 关联规则频繁项集的算法。 共涉及m个项目，则需要构造m个长度为／z的向量，用 表 示第i个项目的元向量， 表示第i个项目在第 次事务中的 1 Apriori算法 出现与否，如出现则 =1，否则 =0(即 ∈{0，1}，i≤