关联规则挖掘综述

更新时间:2023-07-21 06:20:47 阅读: 评论:0

shutout关联规则挖掘综述bridle
    摘 要:近年来国内外学者对关联规则进行了大量的研究。为了更好地了解关联规则的挖掘技术,对研究现状有更深入的了解,首先本文对数据挖掘技术进行了介绍,接着介绍了关联数据挖掘的基本原理,最后对经典的挖掘算法进行分类介绍。
  关键词:数据挖掘;关联规则;算法;综述
信封格式  1.引言
  数据挖掘是从海量的数据里寻找有价值的信息和数据。数据挖掘中常用的算法[1]有:关联规则分析法(解决事件之间的关联问题)、决策树分类法(对数据和信息进行归纳和分类)、遗传算法(基于生物进化论及分子遗传学理论提出的)、神经网络算法(模拟人的神经元功能)等。
  数据挖掘最早使用的方法是关联分析,主要应用于零售业。其中最有名的是售货篮分析,帮助售货商制定销售策略。随着信息时代的到来,数据挖掘在金融[2]、医疗[3]、通信[4]等方面得到了广泛的应用。
message
  2.关联规则基本原理
  设项的集合I = { I1 ,I2 ,...,Im },数据库事务的集合为D,我们用|D|表示事务数据库所有事务的个数,其中用T表示每个事务,使得T I。我们用TID作为每个事务的唯一标识符。用X表示一个项集,满足X T,那么交易T包含X。根据上述相关描述,给出关联规则的相关定义。
  2.1项集支持度
  用X表示数据库事务D中的项集,项集X的支持度表示项集X在D中事务数所占的比例,用概率P(X)表示,那么
  Support(X)=P(X)=COUNT(X)/|D| (1)
  2.2关联规则置信度
  X Y关联规则的置信度是数据库事务D中包含X Y的事务数与包含X的事务数之比,表示方法如下:
  confidence(X Y)= support(X Y)/support(X) = P(Y|X) (2)
  3.关联规则算法 gwd
  3.1经典的Apriori挖掘算法
  大多数关联规则的算法是将关联规则挖掘任务分为两个子任务完成。一是频繁项集的产生,频繁项集的目的是找到大于等于给定的最小支持度阈值的所有项集,这些项集我们称之为频繁项集。二是规则的产生,即从频繁项集中找到置信度比较高的规则,我们称之为强规则。Apriori挖掘算法是众多挖掘关联规则中比较经典的算法,它采用布尔关联规则,是一种宽度优先算法。
  3.2Apriori算法优化
  Apriori算法的思想是每产生一次候选集就需要扫描一次数据库,但是当数据库中的数据庞大,无法直接完全放于内存中,扫描过程中数据需要不断的换入换出,加重了I/O的负担。可见当数据信息大的时候,算法效率低下,同时也消耗的大量的内容。
  3.2.1哈希表技术(散列项集到对应的桶中):
get along with
  Park等提出了一种基于散列的产生频繁项集的高效算法DHP算法。即将产生的所有的候选k-项集(k>1)散列到哈希表结构对应的桶中并增加对应的桶计数, 利用哈希表技术可以有效减少候选k-项集(k>1)所占用的空间,进而提高了Apriori算法的效率。
  3.2.2 划分技术(为寻找候选项集划分数据):
  Savare等提出了一个基于数据划分的算法,即将数据库中的记录划分成几个互不相交的块,各块可以高度并行执行,由最小支持度得到每块中对应的最小支持度。第一次扫描数据库,得到各块的频繁项集,即局部频繁项集。当算法进行数据库的第二次扫描时,需得到每个候选项集的支持数,进而得到全局频繁项集的值。
under my skin  3.2.3事务压缩技术(即压缩未来迭代扫描的事务数据):
  该技术用于压缩迭代扫描数据库的大小,即将不包含任何k-项集的事务肯定不包含任何(k+l)-项集,这种事务在以后考虑时,可以加上标记或者删除项集,因为产生j项集(j>k)时不再需要从数据库加上它们进行扫描,如此就可以减小需要扫描的数据库的规模,从而在一定程度上提高算法的效率。
in the spotlight
  3.2.4 连续关联规则算法
  C. Hidber提出了一种新型的名为CARMA(连续关联规则的算法挖掘算法)算法,该算法用来在线计算大项集。随着每个项集的支持区间的减少不断产生大项集。他已证明:当相应的支持区间的规模快速减少时,CARMA的项集数迅速接近所有大项集的超集。CARMA的内存效率比Apriori是一个数量级的提高。当支持度阈值比较低时,Apriori和DIC 落后CARMA,此外,CARMA的内存使用效率是两者的六十倍以上。
  3.3基于频繁模式树的算法FP-growth
考研最容易调剂的大学
  由Zaki提出的Eclat算法被认为是产生频繁项集的深度优先方式的原型。在这以后不同深度优先算法被提出,其中由韩家炜等提出的FP-growth算法是最著名和最广泛使用的。韩家炜等人提出了基于频繁模式树(FP-Tree)的算法。该算法首先两次扫描事务数据库,得到频繁项目集的支持度,然后将它们降序排序,并且存储到FP-Tree中。在以后寻找频繁项目集的过程中,不需要再对事务数据库进行遍历,只需要在FP-Tree中寻找新的频繁项目集即可。
  3.4并行算法
  随着高性能多核处理器的出现,学者们开始借助并行系统的强大运算能力,将并行算法引入到研究中。在Bodon工作的基础上,Yanbin Ye等实现了并行Apriori算法,并分析并行计算的性能,分割事务数据库的每个分区执行Apriori算法。
  3.5其它关联规则算法
  Mohammed J. Zaki等提出了CHARM(闭关联规则挖掘),它在优势主要体现在挖掘所有频繁闭项集。Hua-Fu Li等提出了就是通过整个历史数据流挖掘所有频繁项集的DSM-FI(数据流挖掘频繁项集),。Jian Pei等提出了H-mine频繁模式挖掘算法。
  3.6关联规则的评估
  3.6.1基于兴趣度约束的关联规则挖掘算法
  Silberschatz.A等提出了可执行规则的概念,并统一了关联规则挖掘过程中主客观评价标准。Srikant R提出了基于项目约束的关联规则挖掘的概念和相应的算法描述。Balaji Padmanabhan等提出了一种发现未知模式的置信驱动方法,在挖掘过程中考虑到与置信评判的结合,从而使挖掘出的关联规则更加有效。
大学英语演讲稿  3.6.2加权关联规则挖掘算法
  Cai等提出了基于K-支持期望的加权关联规则挖掘算法模型:MINWAL(O)模型和MINWAL(W)模型。张文献等采用权重集归一化的思想对Cai给出的算法做了改进。Wei Wang等[5]提出了一个挖掘加权关联规则的方法,其方法不仅缩短了平均执行时间,但也比已知的方法产生高质量的关联规则。

本文发布于:2023-07-21 06:20:47,感谢您对本站的认可!

本文链接:https://www.wtabcd.cn/fanwen/fan/78/1108417.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:算法   关联   规则   挖掘   项集
相关文章
留言与评论(共有 0 条评论)
   
验证码:
推荐文章
排行榜
Copyright ©2019-2022 Comsenz Inc.Powered by © 专利检索| 网站地图