基于FP樹的關(guān)聯(lián)規(guī)則算法改進研究.pdf

1、數(shù)據(jù)挖掘是從海量數(shù)據(jù)中發(fā)現(xiàn)蘊含其中的有用信息和知識的過程,應用廣泛。關(guān)聯(lián)規(guī)則分析作為數(shù)據(jù)挖掘的主要功能之一得到了廣泛應用,對關(guān)聯(lián)規(guī)則算法的深入研究具有很高的理論價值和現(xiàn)實意義。
　　本文首先闡述了數(shù)據(jù)挖掘的相關(guān)知識,對關(guān)聯(lián)規(guī)則經(jīng)典算法Apriori算法和FP-growth算法作出詳細介紹,分析并指出了這些經(jīng)典算法存在的問題與不足。雖然基于FP-Tree的經(jīng)典FP-growth算法不需要像Apriori算法一樣產(chǎn)生大量的候選頻繁項集

2、,但必須進行大量的遍歷和遞歸操作,嚴重影響了挖掘的整體效率。針對FP-growth算法在構(gòu)建FP-Tree和挖掘頻繁項集兩方面存在的缺陷,本文提出了DFP-Tree構(gòu)造和FP-數(shù)組技術(shù)來提高算法的效率,結(jié)合兩種技術(shù)提出DFPmine算法,并通過實驗證明了算法的效率。
　　實驗結(jié)果表明,DFPmine算法比 FP-growth算法來的更有效率,尤其是在數(shù)據(jù)集比較大且比較稀疏,關(guān)聯(lián)聚集度較低,FP-Tree分支較多的情況下,本算法效果