单维关联规则挖掘算法研究

摘要

该文提出基于被约束子树的频繁模式挖掘算法Fpmine和基于线索频繁模式树的关联规则产生算法SPF,有效解决了数据库中单维关联规则挖掘问题.实验表明,在相同数据集上,与FP-Growth算法相比,算法Fpmine的挖掘速度提高了一倍以上,而所需的存储空间减少了一半;随着数据库规模的增大,算法Fpmine算法具有极好的时空效率;Fpmine-SPF算法挖掘关联规则的速度远快于较长期以来广泛使用的Apriori算法,并有相当好的可伸缩性.关联规则挖掘往往生成过多的规则,使用户很难进行取舍.为此,近年的研究提出一种有效的替代手段—挖掘频繁闭项集规则.频繁闭项集规则蕴含了所有关联规则,数目却大为减少.挖掘频繁闭项集规则大幅提高了挖掘的效率和规则的有效性,解除了用户的负担.该文实现了频繁闭项集、频繁闭项集规则的挖掘算法FCIS和CI_RULES.实验表明,在相同数据集上,与已发表的最新成果—Han的CLOSET算法相比,该文算法FCIS速度提高两个数量级以上,并有极好的可伸缩性;CI_RULES算法挖掘频繁闭项集规则的运行速度较Fpmine-SPF算法挖掘关联规则的速度快两个数量级以上,并有非凡的可伸缩性.

目录

摘要

Abstract

第一章绪论

1.1研究背景

1.2研究现状

1.3我的工作

1.4论文结构

第二章数据挖掘概述

2.1为什么数据挖掘

2.2数据挖掘的概念

2.3数据挖掘的功能

2.4数据挖掘的分类

第三章问题描述和相关工作

3.1关联规则的背景

3.2关联规则的定义

3.3关联规则挖掘的一般方法

3.4 Apriori系列算法和FP-Growth算法

第四章在FP-树中挖掘频繁模式而不生成条件FP-树

4.1改进的FP-树

4.2基于被约束子树的挖掘算法Fpmine

4.3 Fpmine算法的正确性

4.4性能分析：

第五章基于线索频繁模式树的关联规则产生算法

5.1线索频繁模式树

5.2优化策略

5.3 SPF算法

5.4性能分析

第六章闭项集规则的快速产生

6.1频繁闭项集和频繁闭项集规则

6.2性能展示

第七章总结和展望

7.1小结

7.2未来的工作

致谢

参考资料