基于矩阵的 Apriori 的改进算法探讨数据挖掘中关联规则的研究.pdfVIP

基于矩阵的Apriori的改进算法探讨数据挖掘中关联规则

的研究

李燕珊/华南师范大学计算机学院

摘要：文章建立在Apriori改进算法的基础之上，以深州市食品安全问题为研究对象，通过数据挖掘关联规则的方

式，证实了食品质量与食品规格，食品产地，食品种类之间的相关性关系，望引起各方关注与重视。

关键词：Apriori算法；数据挖掘；关联规则；食品安全

品质量与安全是一个专业性很强的问题，其

食标准的制定和抽样检测及评价都需要科学有

效的方法。本文即结合实际数据，在改进Ap

riori算法下，对该问题进行详细分析与说明。

1基于矩阵的Apriori改进算法分析

改进的基本思路在于：由于在常规意义上，Apriori算图1频1项集合

法建立模型过程中需要多次扫描事务数据库，耗费时间过

多，当数据量庞大的时候运算效率低，于是裁剪数据集以

减少I/O开支显得尤为重要。而FP-Tree通过合并一些重复

路径，实现了数据的压缩，从而使得将频繁项集加载到内

存中成为可能。

常规Apriori算法得以实现的关键在于：对事物数据库图2结果集输出

进行多次扫描，在扫描过程当中，计算得出事物数据库当

中所包含的每个项目出现的次数，并生成候选1﹣项目集

合，删除支持度在预期数值以下的项集，最终得出频1图3频繁模式

﹣项的基本集合。此过程中，往往需要对事物数据库进行2实例分析

多次，且重复性的扫描，因而运算效率较低，值得改进。本文从2010年、2011年和2012年深圳市的食品抽检

本文所提出的改进方法主要在于：将整个事物数据库数据入手，探求如食品产地与食品质量的关系；食品销售

压缩为一个频繁模式树的形式，借助于频繁模式树，生成地点（即抽检地点）与食品质量的关系等；为解决上述问

相应的关联规则。先设定数据挖掘中最小支持度的阈值，题，本文引入了以上改进后的Apriori算法，望通过对关联

在对事物数据库进行一次完整扫描的基础之上，生成对应规则的应用，以达到良好的效果。

的1﹣频集，按照由大至小的方式进行排列，并将支持2.1对数据进行处理：选取附件中的检验不合格的数

度计数数值小于设定数值的方式集合项予以排除，生成结据1作为样本，其中以每年的80%的样本数据作为建模的

果集合L。按照集合L描绘FP-tree树，当中对所涉及到的训练样本，20%作为检验模型的检验样本；然后对样本数

关联信息予以了保留。在此基础之上，再对事物数据库进据进行分类，以[不合格，食品种类、抽检地点，食品产地，

行一次扫描，采取自下而上的方式进行挖掘，删除相关子型号规格，季节]为格式输入数据库中。

节点，最终产生与需求契合的频繁模式。2.2模型准备：以2012年第2期检验不合格数据中

举例来说，假定前期所设置的最小支持度为2。第一油炸食品为例，则频繁模式为[不合格、油炸鸡翅，盐区，

步需要完成对事物数据库的扫描，获取相应的频1﹣项一线城市、散装、春季]，所有的频繁模式即为频集。算

集合。此步骤的操作示意图如下图所示（见图1）；第二步法的基本思想是：在第K趟扫描过程中，只生成长度为K

则需要按照支持度计数大小，由大至小进行频繁项的排序；的频繁项目集。以前一趟生成的所有频繁项目集为基础，

进而，对频繁项集进行支持度计数的排序，获取相应的结生成新的候选项目集，然后扫描数据库，计算这些项目集

果集，如下图所示（见图2）。在构建FP-tree的基础之上，的支持度，按照给定的支持度确定频繁项目集。

对事务进行扫描，生成相应的分支。每次扫描事务需要增（1）首先计算所有的候选1-项集的集合

加相应节点的计数，同时增加新的节点；最后还需要对事