两阶段高期望权重项集下闭合类Apriori挖掘算法

摘要

针对不确定数据集中,高期望权值容易产生较大计算冗余的问题,提出一种两阶段高期望权重项集下闭合类Apriori挖掘算法.针对传统层次挖掘算法只采用项集上界,对高期望权值进行处理效果并不理想的问题,设计补充层次挖掘算法的下闭合特性,给出证明过程,该特性在保证精度前提下可有效降低候选项集处理量;构建两阶段数据挖掘过程,第一阶段,基于分层搜索方法获得一组候选项集的高期望权重项集,第二阶段,再次扫描数据库获得项集高期望权值,完成数据挖掘过程.在标准数据集上的仿真对比结果表明,该算法在保证算法精度的前提下,能够大幅提高算法计算效率.