基于FP-Growth的分类规则挖掘算法及其应用

摘要

本文在国家海洋公益性行业科研专项课题“渤海海洋异构数据集成快速访问提取及智能分析技术”的支持下,针对FP-Growth算法在挖掘大型数据库时,在构建的:FP-tree上挖掘关联规则的时候需要遍历的树的节点数目过多的现象,提出了FP-Growth算法的一种改进算法,降低建树的节点个数,而且在生成分类规则时,减少了遍历的节点数,降低了空间和时间开销。
　　 由于对于任何一个n个类别的分类问题,都可以转化为2个类别的分类问题来进行处理,因此本文基于FP-Growth算法,提出了一种基于FP-Growth的分类规则挖掘算法Class-FP-Growth算法。为了避免原始FP-Growth算法中搜索条件模式基这一步骤,本文在利用频繁1-项集生成的树中不包含类别属性,生成树的过程中,增加了相对支持数的计数,使得生成的树即为分类规则的条件树。不仅降低了树的生成规模,减少了空间开销,而且大大减少了无效分类规则的生成。
　　 基于提出Class-FP-Crowth算法,以MODIS遥感影像为数据源,挖掘了绿潮MODIS影像检测规则,进而提出了基于知识的绿潮MODIS检测方法;以青岛附近海域2008年5-7月爆发的绿潮浒苔为研究对象,进行了绿潮检测实例研究;结果表明,本文挖掘出的绿潮检测规则能够较高精度的检测出一定绿潮生物密度的爆发范围。这也进一步的说明了本文提出的改进的FP-Growth算法的有效性。