發(fā)布時(shí)間：2021-02-23 14:42

　　隨著數(shù)據(jù)挖掘技術(shù)迅速而深入的發(fā)展,關(guān)聯(lián)規(guī)則及其相關(guān)技術(shù)也得到越來越多的學(xué)者和研究人員的關(guān)注。關(guān)聯(lián)規(guī)則挖掘能從大量的數(shù)據(jù)集中挖掘出隱含的、對(duì)決策有潛在價(jià)值的項(xiàng)集之間的有趣關(guān)聯(lián)和相關(guān)關(guān)系,其應(yīng)用的背景也從最初的購物籃分析擴(kuò)展到網(wǎng)絡(luò)入侵檢測、用戶消費(fèi)習(xí)慣分析、關(guān)聯(lián)規(guī)則分類、交通事故模式分析、軟件bug挖掘等。因此,對(duì)關(guān)聯(lián)規(guī)則技術(shù)的研究具有重要的實(shí)際意義,本文選擇了這一主題進(jìn)行了分析和研究。本文首先介紹了數(shù)據(jù)挖掘領(lǐng)域的研究內(nèi)容、挖掘的方法和技術(shù)、當(dāng)前的研究現(xiàn)狀以及應(yīng)用和發(fā)展趨勢,接著對(duì)關(guān)聯(lián)規(guī)則挖掘技術(shù)中的經(jīng)典算法（Apriori、FP-growth等）進(jìn)行了概述、分析和總結(jié),在此基礎(chǔ)上提出了一種基于最大頻繁項(xiàng)集的關(guān)聯(lián)規(guī)則挖掘算法MFIP-Miner算法。該算法將數(shù)據(jù)庫中的事務(wù)通過頻繁模式樹（FP-Tree）壓縮存儲(chǔ),并充分利用頻繁模式樹的性質(zhì),嚴(yán)格控制在挖掘過程中遞歸調(diào)用的終結(jié)條件,從而達(dá)到提升算法的性能的目的。其次,本文完成了實(shí)驗(yàn)平臺(tái)的搭建,選用R語言,在Eclipse +StatET編程環(huán)境中實(shí)現(xiàn)了 MFIP-Miner算法,并對(duì)比MFIP-Miner算法與FP-growth算法、Mafi... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【圖文】：

圖１－１常用數(shù)據(jù)挖掘技術(shù)使用狀況的調(diào)查表??圖１－１為當(dāng)前常用的數(shù)據(jù)挖掘技術(shù)及算法的一個(gè)使用情況的調(diào)查表，該數(shù)據(jù)??

從頻繁項(xiàng)目樹的葉節(jié)點(diǎn)開始ａ開始，掃描事務(wù)數(shù)據(jù)庫找出所有以ａ結(jié)??尾的頻繁項(xiàng)目集的集合。調(diào)用函數(shù)，然后判斷Ｔ包含路徑的個(gè)數(shù)，??由表３－１可知，Ｔ包含多個(gè)路徑，算法執(zhí)行至ｅｌｓｅ部分，從圖３－１所示項(xiàng)目頭表??／／７＾／ｅ中選擇單個(gè)項(xiàng)集ａ，運(yùn)算ｃｒＵｍ／／／后其結(jié)果不變。然后通過Ｚ／ｒａＷｅ中項(xiàng)??目鏈找出ａ的同名節(jié)點(diǎn)鏈，由Ｔ找出ｇ每一個(gè)同名節(jié)點(diǎn)鏈的前綴路徑，修改路徑??中節(jié)點(diǎn)計(jì)數(shù)，將所有找出前綴路徑中節(jié)點(diǎn)的計(jì)數(shù)修改為項(xiàng)目ａ的計(jì)數(shù)，即得到??ａｌｊ皿／／的條件模式基：Ｒ／：ｌ，ｃ：ｌ，ｄ：ｌ），（ｃ：ｌ，Ｚ）：ｌ，ｅ：ｌ）｝，由條件模式基生成條件??模式樹乃＝｛（ｃ：?２）丨。再次調(diào)用ＭＦ７Ｐ?－Ｍａｘ?（７ｂ，Ａ／Ｆ／Ｐ，，同理調(diào)用尸－Ｍｃｃ??函數(shù)時(shí)判斷參數(shù)７；只包含單個(gè)路徑，取出該路徑與ａ合并，得到結(jié)果該??路徑中ｃ的支持度數(shù)為２，則設(shè)置的支持?jǐn)?shù)記為２。之后判斷是否為??中某項(xiàng)目集的子集

４．２．１在Ｍｕｓｈｒｏｏｍ數(shù)據(jù)庫上的測試分析??Ｍｕｓｈｒｏｏｍ數(shù)據(jù)庫的ＴＩＤ平均長度為２３，則出現(xiàn)較多長頻繁模式（頻繁模式??的長度大于１０）的可能性較大。由圖４－１可知ＭＦＩＰ－Ｍｉｎｅｒ算法在Ｍｕｓｈｒｏｏｍ數(shù)??據(jù)庫上運(yùn)行時(shí)間在給定的不同最小支持度（ｍｉｎＳｕｐ）下均小于ＦＰ－ｇｒｏｗｔｈ和Ｍａｆｉａ??算法，即可得出結(jié)論：ＭＦＩＰ－Ｍｉ?ｎｅｒ的挖掘效率高于Ｍａｆｉ?ａ算法和ＦＰ－ｇｒｏｗｔｈ算法。??同時(shí)，結(jié)合圖４－２可知，長頻繁模式較少（長度不大于５的頻繁模式占多數(shù)）的情??況下，在支持度范圍內(nèi)，兩種經(jīng)典算法的效率低于改進(jìn)算法。??９０?８０?７０?６０?５０?４０?３０??ｍｉｎＳｕｐ?（％）??圖４－１不同支持度下三種算法在Ｍｕｓｈｒｏｏｍ數(shù)據(jù)庫上運(yùn)行時(shí)間的比較??２４??

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)的基于頻繁模式樹的最大頻繁項(xiàng)集挖掘算法——FP-MFIA[J]. 楊鵬坤,彭慧,周曉鋒,孫玉慶.  計(jì)算機(jī)應(yīng)用. 2015(03)
[2]基于多維關(guān)聯(lián)規(guī)則興趣度的問卷調(diào)查規(guī)則提取[J]. 焦民政,曾廣平,許佳男,賈斌,趙云梅.  軟件. 2014(09)
[3]基于布爾向量內(nèi)積的最大頻繁項(xiàng)集算法研究[J]. 閆喜亮,孫濱.  計(jì)算機(jī)與數(shù)字工程. 2014(05)
[4]一種改進(jìn)的數(shù)據(jù)流最大頻繁項(xiàng)集挖掘算法[J]. 胡健,吳毛毛.  計(jì)算機(jī)工程與科學(xué). 2014(05)
[5]數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則算法的研究[J]. 楊澤民.  軟件. 2013(11)
[6]分布式全局最大頻繁項(xiàng)集更新挖掘算法[J]. 楊君銳,楊莉.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(12)
[7]用有序FP-tree挖掘最大頻繁項(xiàng)集[J]. 于紅,王秀坤,孟軍.  控制與決策. 2007(05)
[8]基于FP-Tree有效挖掘最大頻繁項(xiàng)集[J]. 顏躍進(jìn),李舟軍,陳火旺.  軟件學(xué)報(bào). 2005(02)
[9]基于FP-Tree的最大頻繁項(xiàng)目集挖掘及更新算法[J]. 宋余慶,朱玉全,孫志揮,陳耿.  軟件學(xué)報(bào). 2003(09)
[10]多媒體數(shù)據(jù)挖掘的體系結(jié)構(gòu)和方法[J]. 胡軍濤,武德峰,李國輝,甘亞莉.  計(jì)算機(jī)工程. 2003(09)



本文編號(hào)：3047755