基于单向增长链表的关联规则挖掘算法研究.pdfVIP

长江大学学报 (自然科学版)理工 2012年1月第9卷 第l期 JournalofYangtzeUniversity(NatSciEdit)SciEng Jan．2012。Vo1．9No．1 doi：10．3969／j．issn．1673—1409．2012．01．035 基于单向增长链表的关联规则挖掘算法研究 董 辉 (亳州职业技术学院信息工程系，安徽亳州236800) [摘要]分析研究关联规则挖掘经典算法Apriori和 FP—Growth算法，发现其不足之处在于构建和遍历各 自数据结构的时间长、内存消耗 巨大，降低 了算法在时间和空间方面的效率。针对 2种算法的缺陷，提 出了LK-Growth算法，该算法不再构建 FPTree，而是构建单向线性链表组结构，能有效地缩短发现频 繁模式的时间和节省 内存空间开支 。研究结果表 明，IK～Growth算法的实用性强且挖掘效率更高。 [关键词]数据挖掘；关联规则；线性增长链表；LK—Growth算法 [中图分类号]TP391．1 [文献标识码]A [文章编号]1673—1409 【2012)01一N110～03 关联规则挖掘是数据挖掘众多知识类型中一种典型代表 ，也是数据挖掘 中最活跃的研 究领域之～ ， 其首要任务就是发现频繁项 目集 。长期以来 ，人们对关联规则频繁项 目集的挖掘主要采用 Apriori算法 和FP—Growth算法或者它们的有关改进算法。但是 ，无论是 Apriori算法还是 FP—Growth算法，都要 多次扫描事务数据库，I／O负载大 ，导致算法 的时间开销增大；在空间需求上 ，Apriori算法要产生大 量的候选频繁项 目集、FP—Growth算法构造结构复杂的 FP-Tree树，对 内存开销要求都很 高uJ。针对 上述情况，笔者提出基于单项线性链表的关联规则挖掘优化算法 ，该算法构建多个单向链表结构做成链 表组，通过该结构的遍历发现所有的频繁模式，在挖掘效率上比Apriori和FP—Growth算法都要高。 1 优化算法设计 1．1 优化算法的思路 从对关联规则挖掘 的2种经典算法的分析可知 ，要想提高挖掘效率，可从 2方面考虑=[2j：第 1方面 是优化重构算法操作对象的数据结构 ；第 2方面是在不改变操作对象的数据结构情况下，改变对其执行 方式 ，提高操作速度 ，发现频繁项集 。笔者从第 1方面着手 ，构建单 向链表组数据结构，提出优化 的 LK—Growth算法 ，挖掘出所有的频繁模式 ，从而提高挖掘效率。 1．2 算法设计 LK—Growth算法设计过程为输入 ：事务数据库 D，最小支持度阀值 min—sup；输 出：频繁模式完 全集 。具体实现步骤如下 ]：①首次扫描事务数据库D生成 1一频繁项集和各项支持度计数值，把支持 度计数满足最小支持度 阀值 的各项及支持度计数按支持度计数 降序存至项头表 HT (HeaderTable) 中；②第 2次扫描数据库D，对第 1个事务 扫描 ，保留出现在 HT表的频繁项 ，各项节点按支持度计数降 序排列 ，存入到名为SingleLink单链表内；③构造以项头表中节点为头节点的单链表组，伪代码如下： ProcedureHTI List 一 (1)For(一2；≥ ； ++) ／／j是 SingleIink链表中的节点数 (2)Dobegin (3)For(m—i；m≥2； 一) (4)Dobegin (5)Insert link (SI， 1)； — f』M SingleIink ／／链表第 个节点，SL为HT表中以M 为头节点的单向链表 (6)End [收稿 日期]2011—10—25 [基金项目]安徽省教育厅 自然科学基金资助项目 (KJ2011Z259)；亳州职业技术学院科研基金资助项目 (BYK1lO5)。 [作者简介]董