基于互关联后继树的关联规则挖掘研究-计算机软件与理论专业论文.docxVIP

复旦大学硕士论文 复旦大学硕士论文 摘要 摘要 关联规则(association rules)在数据挖掘是一个重要的研究内容。而产生 频繁集(frequent items)则是产生关联规则的第一步。在大多数以前的实现中， 人们普遍采用了类似于Aprior的算法。这种算法首先产生频繁候选集 (candidate items)，然后根据最小支持度(minimum support)生成频繁集，最后 得出关联规则。Apriori算法有一个很大的缺点，就是使用了不断产生候选集并 加以测试的方式来得到频繁集，这样产生候选集的代价是非常大的。虽然人们想 出了很多办法，但根本的扫描多遍数据库没变，因此不可能从根本上提高算法的 效率。 在1999年，Jiawei Han等人又提出了以FP—tree(Frequent Pattern Tree) 结构为基础并结合FP-growth算法的不需要产生候选集的频繁集的挖掘算法。该 算法是目前我们所看到的研究中最新、最有效率，同时也最为著名的算法之一， DBMINER便是实际运用FP-growth算法的产品。基于FP-tree结构的关联规则挖 掘在挖掘单一维和布尔值规则的领域中是相当有用的结构。该算法的思想是将提 供频繁项集的数据库压缩到一棵频繁模式树(或FP-缸ee)，但仍保留项集关联信 息，然后，将这种压缩后的数据库分成一组条件数据库(一种特殊类型的投影