E4关联规则挖掘Apriori算法的研究.docVIP

PAGE PAGE 8 基于关联规则挖掘Apriori算法的研究及改进 吕 建 （2006级 信息与计算科学（双专业）） [摘 要] 关联规则挖掘能够发现大量数据中项集之间有意义的关联或相关联系，是数据挖掘研究的一项重要内容。在分析研究关联规则挖掘技术及其相关算法Apriori算法基础上，针对该算法存在的两个缺陷，即多次扫描事务数据库和产生大量的候选数据集，分别从减少搜索事务个数、划分、抽样和散列的方法，举出了几种改进的Apriori算法。改进后的算法都在某一程度上减少了运行开销，提高了挖掘速度，从而获得更好的性能。 [关键词] 数据挖掘；关联规则；Apriori算法；频繁项集 Improved Algorithm Based On Apriori Mining Association Rules Algorithm Lvjian （2006 Information and Computing Sciences（Double Majors）） [Abstract] Abundant meaningful relations and relevance among the different itemsets can be located by means of the association rules mining which is a significant topic in the data mining field. On the base of analyzing and reseaching the technique of association rules mining and the relevant Apriori algorithm which has two defects: scanning database too much and creating excessive candidate itemsets, the thesis presents several improved Apriori algorithms with decreasing amount of searching transaction, Partition, Sampling and Hash methods. The improved algorithms reduce runtime expenses to some extent, and accelerate data mining, then achieve better performance. [Key Words] data mining; association rules; Apriori algorithm; frequent itemset 目 录 TOC \o 1-3 \h \z \u 1 引 言 3 2 关联规则 3 2.1关联规则的基本概念 3 2.2 关联规则属性 3 2.2.1 支持度（Support） 3 2.2.2 置信度（Confidence）及平均置信度（Average Confidence） 4 2.2.3 期望置信度（Expected Confidence） 4 2.2.4 作用度（Lift） 4 3 Apriori算法 4 3.1 算法概述 4 3.2 主要步骤 5 3.3 算法描述 5 3.4 算法实例 6 3.4.1 产生频繁项集 6 3.4.2 由频繁项集产生关联规则 8 3.5 性能分析 9 3.5.1 Apriori算法的时间复杂度 9 3.5.2 Apriori算法的空间复杂度 9 4 Apriori算法改进 9 4.1减少搜索事务个数的方法 10 4.1.1 AprioriTID算法 10 4.1.2 矩阵算法 10 4.2 基于划分（Partition）的方法 13 4.3 基于抽样（Sampling）的方法 15 4.4 基于散列（Hash）的方法 16 5总结 18 参考文献: 19 致谢 20 1 引 言 随着计算机的广泛应用和数据的大量积累，如何有效地处理海量数据并从中提取有价值的信息和人们感兴趣的知识逐渐受到广泛的关注，数据挖掘（Data Mining）技术由此应运而生。 数据挖掘[1]，也称为知识发现，是从大量的数据中挖掘出隐含的、未知的、用户可能感兴趣的和对决策有潜在价值的知识和规则。而数据挖掘中的一个非常重要的数据处理方法是关联规则的挖掘。关联规则反映一个事务与其他事务