关联规则挖掘算法研究-计算机应用技术专业论文.docxVIP

摘要 11111111111111111111111111111111111111111111111111 Y1889477 摘要 随着计算机、扫描仪、数据库技术的广泛应用，人类积累了大量的数据。表面上数 据库中蒋放的是简单的数据，其实数据背后隐藏了一些有价值的信息。挖掘出这些信息， 可以在未来预测、企业决策、销售策略、资源管理等领域起到重要的指导作用。但是， 面对海量的数据，如果仍然延用传统的数据分析方式来处理，几乎是不可能究成的，于 是就产生了数据挖掘这门新的学科。 关联规则挖掘作为数据挖掘的主要研究方向之…，主要用于发现数据库中项与顷之 间的某种联系，从而找出有价值的信息。频繁项集挖掘作为关联规则挖掘的主要任务， 其算法的效率问题一直是一个难点。本文介绍了频繁琐集挖掘的相关知识，详细分析了 相关经典算法的性能，针对最大频繁项集包含了所有频繁琐集信息这…特点，文章以最 大频繁琐集的挖掘作为主要研究对象，从 FP咐悦的生成、前瞻剪枝策略、超集检验、 优先搜索策略、降维等多个方面对最大频繁琐集的挖掘做了深入的研究。 数字频繁模式树 (DFP-tree) 是对传统的 FP-tree 的改进，本文给出了 DFP-tree 的定 义及构造过程，并基于 DFP-衍ee 提出了挖掘最大频繁项集的 DFP-Max 算法。在该算法 中，分析了 DFP-tree 的生成速度、基于数字序列的超集检验效率。算法还采用了前瞻剪 枝策略，减少了算法的递归次数，节省了大量时空资源，提高了算法的效率，实验证明 该算法耗时大约是 FPMax 算法的 20%--50% 。 …个项集中所含项的个数称为该项集的维度，文章的第五部分以逐步降低候选项集 维度为指辱思想，在分析 DMFIA 和 FPMax 算法的基础上，把深度优先和宽度优先策略 结合起来，提出了 BDRFI 算法。算法采用了降维和分而治之的思想解决了 DMFIA 算法 产生过多候选最大繁顷集以及 FPMax 算法的需要以递归方式挖掘频繁琐集的问题，使 算法的效率得到了提高。实验证明，该算法是 DMFIA 效率的 28 倍。 关键词:数据挖掘;关联规则:最大频繁琐集; FP-tree; 超集检验 11 11 Abstract Abstract W仙也e wide use of computers ，sc缸mers and data base technique ，human accumulated a great deal of historical da肌These data look simple at the surface of them， but，there are much valuable information behind them. In data prediction ，business decision and reso山ce management ，the knowledge and rule behind these data are very useful.But，if we still use traditional methods of statistical and analyses，these useful information cant be discovered or can be found in infinite time. Hence data mining has been proposed on this occasion. As one of the main research pa忧:ems in the field of data mining，association rules are used to determine 阳relationships of a set of item，ωfind out valuable information. Frequent item mining ，the main task of 也.e association rule mining，the efficiency of which 扭曲e difficult problem. In 由is paper，relevant knowledge of frequent itemset mining is introduced and some classic algorithms are analyzed in detail.For the maximum 仕equent contains all the 企equent itemsets，由is paper focuses on how to minin