平均高效用项集挖掘算法研究的中期报告.docxVIP

平均高效用项集挖掘算法研究的中期报告 一、选题背景 随着数据挖掘技术的不断发展，频繁项集挖掘算法已经成为了数据分析中最常用的方法之一。频繁项集挖掘的主要任务是在一个给定的数据集中发现出现频率较高的项集。然而，在大规模数据集的情况下，传统的频繁项集挖掘算法往往会面临着一些问题，比如内存不足、计算时间过长等等。因此，优化频繁项集挖掘算法的效率和准确率是当前数据挖掘领域的一个热点问题。 在此背景下，本研究选取了一种名为“平均高效用项集”的算法进行研究，希望通过对该算法进行探究和优化，提高其效率和准确率，为频繁项集挖掘算法的发展做出一定的贡献。 二、研究内容 1.算法原理 平均高效用项集算法是一种基于概率模型的频繁项集挖掘算法。其核心思想是将频繁项集划分为“高效用项集”和“低效用项集”两部分，其中高效用项集指的是包含了很多频繁子项集的项集，而低效用项集则相反。 具体实现时，平均高效用项集算法会根据给定的最小支持度阈值对候选项集进行筛选，保留那些支持度高于阈值的项集作为高效用项集，并从中提取出更小的频繁项集作为新的候选项集继续筛选。在筛选时，算法会根据条件基和条件模式基的概念来进行剪枝，以减少计算量和内存消耗。 2.优化方案 针对平均高效用项集算法效率不高、面临内存不足等问题，本研究提出了以下优化方案： （1）基于GPU并行计算平均高效用项集算法。利用GPU并行计算的特点，可以将计算任务分配