基于概率模型的概率频繁项集挖掘方法

摘要

在很多应用中,数据本身就包括不确定性,如基于位置的服务,传感器监控系统和数据融合等等.为了解决大量的不精确信息,提出了不确定数据库的概念.在不确定数据库中挖掘概率频繁项集是一个重要的研究内容,但是,由于不确定数据库是用可能世界来解释的,会产生指数级的可能世界,使得挖掘方法效率不高.本文采用泊松二项分布来对不确定数据库的可能世界进行建模,在挖掘过程中,不计算具体的频繁概率,通过计算与最小频繁概率对应的期望支持度,用频繁概率的近似值实现概率频繁项集的挖掘,提高了概率频繁项集挖掘算法的效率,仿真实验也证明该方法具有较好的效果.