基于矩阵的最大频繁项目集挖掘算法研究.docVIP

基于矩阵的最大频繁项目集挖掘算法研究 　　摘要：在分析了有关频繁序列模式挖掘算法的基础上，提出了一种基于内部索引矩阵的FIBOIM算法，该算法充分利用先前挖掘过程中所产生的信息来降低本次挖掘过程中的时间开销。FIBOIM算法基本思想：通过扫描事务数据库一遍，构造出基于内部索引的矩阵IM；在分析了基于候选模式生成项目集的一些传统算法的基础上，集合IM矩阵的特点，改进了相关候选项目集生成算法，提高了频繁项目集的生成效率。实验证明了FIBOIM算法的正确性和有效性。 　　关键词：数据挖掘；频繁项目集；关联规则；索引；矩阵 　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2011)29-7234-03 　　An Algorithm for Mining the Most Frequent Itemsets Based on Matrix 　　LIU Jie1, GE Xiao-bin1, YAO Jun2 　　(1. Department of Information, Tongling Vocational College, Tongling 244000, China; 2.Department of Mathematics and Computer Science, Tongling University, Tongling 244000, China) 　　Abstract: In the analysis of sequence frequent pattern mining algorithm on the basis of, an index based on the internal matrix FIBOIM algorithm，which take full advantage of previous mining in the process of the information to reduce this time in the process of excavation costs. FIBOIM algorithm basic idea: Scanning Service database again, based on the internal structure of the matrix indexing IM; candidate in the analysis based on the model generated a number of projects set on the basis of the traditional algorithm combines the characteristics of IM matrix, and improve the relevant candidate projects Set Algorithm, a frequent item sets improve the production efficiency. FIBOIM algorithm experiment proved the correctness and effectiveness. 　　Key words: data mining; frequent itemsets; association rules; index;matrix 　　数据挖掘是用于大规模数据处理的一种新的思维方法及技术手段，它融合了人工智能、机器学习、模式识别等多学科的理论、方法和技术。关联规则的挖掘是数据挖掘中的一个重要研究课题，发现频繁项目集是关联规则和序列模式等数据挖掘应用中的关键技术和步骤。 　　在频繁项目集的算法研究中，人们先后提出了很多算法，如Apriori、AprioriFREQ、DMFI、Pincer-Search、FP-Growth等，归纳起来主要有两大类[1-3]：1) 候选生成项目集并测试方法；2) 模式增长的方法。在这些算法中，其中以Agrawal等人提出的Apriori算法最为著名，其后的数据挖掘算法大多建立在Apriori算法基础上，它们可以有效地发现事务数据库中的最大频繁项目集。由于最大频繁项目集中已经隐含了所有频繁项目集，因此在发现最大频繁项目集的同时，也发现了所有频繁项目集。如何提高最大频繁项集的生成效率和可扩展性一直是近几年数据挖掘领域研究的热点之一。 　　1 相关概念及性质描述 　　定义1：设I={I1,I2,…,Im}是一个项目集合，事务数据库D={t1, t2,…,tn}是由一系列具有惟一标识的TID的事务组成，每个事务ti={Ii1,Ii2,……,Iik}并且Iik∈I，关联规则是形如X?圯Y的蕴涵式，其中X，Y?奂I是两