分布式数据库中联系规则的挖掘.pdfVIP

第 32 卷第 6 期 武汉水利电力大学学报 Vol. 32 No. 6 1999 年 12 月 J . Wuhan Univ. of Hydr. Elec. Eng. Dec. 1999 ( ) 文章编号 :1006 - 155X 1999 06 - 091 - 03 分布式数据库中联系规则的挖掘 李石君 ,郑 　鹏 ,周洞汝 (武汉水利电力大学电气信息学院 ,湖北 武汉 　430072) 摘要 :提出了分布式数据库中存在分段复制的情况下联系规则的挖掘方法 ,该方法采用局部候选集删减 ,有效 地减少了大项目集的候选集 ,采用投票站点有效地减少了站点间的通信量. 关键词 :数据挖掘 ;知识发现 ;分布式数据库 ;联系规则 TP 392 　　　 A 中图分类号: 文献标识码 : 　　数据挖掘 也称为数据库中的知识发现 ,是指 X Y 在事务集D 中具有支持度s , 当且仅当在事务 从数据库中提取不明确的、以前未知的、潜在的、有 集 D 中s % 的事务包含X ∪Y ,一个项目集包含的 用的信息. 数据挖掘已成为数据库系统和机器学习 项目的个数称为这个项目集的阶数. 的关键研究课题 ,联系规则的挖掘是数据挖掘的一 集中式数据库联系规则挖掘 Apriori 算法概 个重要领域 ,其任务是导出以下形式的强联系规 要[1 ] : ( ) 则 : A ∧… ∧A B ∧… ∧B , 此处 A { i = 1, 1 发现大项目集. 大项目集是指事务支持度 1 n 1 m i …, n} 和 B { J = 1, …, m} 是数据库中属性值的集 s 大于预定的最小支持度 ,大项目集通过循环计算 j 合. 在集中式数据库环境下 ,联系规则的挖掘采用 出. 每一次循环中 ,数据库被扫描一次 ,按阶的升序 的最常用的方法是 Apriori 算法[1 ] ,对它的扩展有 计算出所有同一阶的大项目集. DHP 和分区算法 ; 在并行挖掘联系规则的算法方 (2) 在第一次循环中 ,数据库被扫描一次 ,阶为 面 ,文献[2 ]提出了 PDM 算法 ;在分布式数据库环 1 的大项目集被计算出来. 在第 k 次循环中, 由候 境下 ,文献[3]提出了联系规则的挖掘的 DMA 算法 , 选集产生函数 Apriori - gen 在 L k - 1 上产生候选集 但文献[3]没有讨论分布式数据环境下存在副本的 C , L 表示在第 k - 1 次循环中产生的阶为 k - 1 k k - 1 情况. 本文在文献[3 ] 的基础上,讨论了分布式数据 的大项目集. 函数Apriorigen 产生那些其 k - 1 阶 库环境下存在副本的情况下联系规则的挖掘算法.