基于时序向量差异序列法聚类的周期关联规则发现算法

摘要

一种基于时序向量差异序列法聚类的周期关联规则发现算法。首先针对目前周期关联规则发现算法在时间区域划分问题上存在的不足，提出算法CMDSA，它选择由项目支持度组成的时序向量作为时域数据特征点进行聚类，同时用DB准则控制聚类个数以达到最佳的聚类效果，从而更准确确定周期内关联规则的各个时间区域，和目前算法相比可发现更多有用周期关联规则。针对目前周期关联规则算法都基于Apriori算法，存在效率低的问题，提出基于Fp树的算法CFP－tree，它采用基于条件FP树的周期性剪裁技术大幅度提高了算法效率，运用CFP－tree的周期关联规则发现算法在时空效率上远远优于现有的基于Apriori的算法。