基于fp-树的频繁模式和长模式挖掘-计算机软件与理论专业论文.docxVIP

曼s2≤]88摘要 曼s2≤]88 摘要 数据库的规模急剧膨胀，数据库应用的不断深化，但是数据库管理系统却没 有提供有效的工具和方法来利用这些数据，出现了数据丰富而知识贫乏的状况， 导致了数据挖掘的出现。作为数据挖掘中重要任务之一的频繁模式的挖掘，被应 用在关联规则、相关分析、序列模式、显露模式、最长模式等许多重要数据挖掘 任务中，得到了广泛研究。 长期以来，挖掘频繁模式主要采用Apriori算法及其改进形式，这类算法需 要产生大量候选项集，并反复扫描数据库，降低了挖掘的效率。FP-Growth算法 是一种基于模式增长的频繁模式挖掘算法，避免了大量候选项集的产生，只需要 两次扫描数据库。效率比A鲥ori算法快一个数量级。然而，此算法及其改进形 式在挖掘频繁模式时不可避免地需要递归地创建附加数据结构，并且每当模式增 长时就要创建一次。动态地创建如此大量的附加数据结构，将耗费大量时间和空 间。并且以上算法对于不同特点的数据库没有较好的适应性。 本文基于模式增长的思想，提出两种新的频繁模式挖掘算法：最小项优先的 挖掘方法和最大项优先的挖掘方法。其通过采用一定的挖掘策略，使整个挖掘过 程直接在初始生成的压缩的数据结构中进行，而不需要另外递归创建附加的数据 结构。使频繁模式挖掘的效率得到了进一步的提高。使用相同的数据集，性能研 究表明：算法速度大约是FP，Growth算法3～4倍，而所需要的存储空间不到 FP-Growth算法的一半。对于稠密数据集，算法的优势更加显著。 利用深度优先的方法符合最长模式挖掘的性质，基于最小项优先的频繁模式 挖掘算法，提出了新的挖掘长模式算法。采用挖掘尽可能长的频繁模式和忽略对 与约束项集具有相同支持计数的项处理的策略，大大地减少了算法的搜索空间； 具有分而治之性质的过滤策略较大地提高了算法的效率。在相同条件下使用相同 的数据集，与最近出现的同类算法相比，效率提高几倍，特别是对于稠密数据集， 效率更加明显。 关键字数据挖掘，频繁模式，模式增长，长模式 ABSTRACTData ABSTRACT Data mining results from the situation described data rich but information poor As important task of data mining，frequent pattem mining is employed in many applications such mining associations，correlations，causality，sequential patterns， episodes，multi·dimensional patterns，max·pattems，partial periodicity，emerging patterns，etc． For long time，a category of Apriori—like algorithms has been adopted for mining frequent patterns．But they suffer from taking many SCanS of databases for huge number of candidate paRem frequencies checking．FP-Growth algorithm adopts pattern fragment growth method and only SCanS database twice．It is about order of magnitude faster than the Apriori algorithm．However，it still performance bottlenecks when creating conditional FP—trees recursively during the mining process．Additionally the algorithm is adaptable databases having different characters． We propose two novel frequent pattern mining algorithms：LIFPG and MIFPG which based pattem fragment growth method．The two algorithms adopt proper searching strategies．The mining task is processed directly in the originally created and compressed d