多層高維頻繁序列挖掘算法研究.pdf

1、本文對數(shù)據(jù)挖掘中的序列挖掘算法作了較深入的研究.由于類Apriori算法需要觀多次掃描數(shù)據(jù)庫的缺點(diǎn),降低了算法的效率而且產(chǎn)生的候選集偏多,從而限制了其在商業(yè)中的應(yīng)用;FP-tree算法是對類Apriori算法的一次革命,該算法只需要掃描兩次數(shù)據(jù)庫,但由于采用的是統(tǒng)一的支持度,也使該算法喪失一些優(yōu)勢.典型的數(shù)據(jù)挖掘算法采用的是統(tǒng)一的支持度閥值,這樣會造成兩種不良的后果:其一,丟失有用的頻繁序;其二,對頻繁序列產(chǎn)生有瓶頸效應(yīng).本文提出了一種

2、擴(kuò)展的FP-growth算法來解決多層高維頻繁序列的挖掘問題,我們稱之為E-FP.為了提高E-FP算法的效率,我們在挖掘過程中采用了可變支持度閥值.我們提出的E-FP算法不僅可以在層內(nèi)部產(chǎn)生頻繁序列而且可以產(chǎn)生跨層的頻繁序列,同時(shí)我們還考慮了維的信息.實(shí)驗(yàn)證明我們的E-FP算法比以往的算法更適合于多層高維頻繁序列的挖掘.聚類分析由于其應(yīng)用較為廣泛,已經(jīng)成為數(shù)據(jù)挖掘、數(shù)理統(tǒng)計(jì)等學(xué)科的一個(gè)活躍的研究領(lǐng)域.聚類技術(shù)可以應(yīng)用于模式識別、數(shù)據(jù)分析