不確定性數(shù)據(jù)中的概率頻繁項(xiàng)集挖掘算法的研究.pdf

1、頻繁模式的挖掘一直是數(shù)據(jù)挖掘中的重要研究領(lǐng)域之一。隨著計(jì)算機(jī)軟硬件的發(fā)展，傳統(tǒng)中的確定性數(shù)據(jù)可能存在缺失、出現(xiàn)噪聲值，從而產(chǎn)生大量不確定性數(shù)據(jù)，如傳感器、衛(wèi)星圖像信息、醫(yī)院病人的診斷數(shù)據(jù)等。由于存在不確定性數(shù)據(jù)，傳統(tǒng)確定性數(shù)據(jù)中頻繁模式挖掘算法并不適用。
　　本文以不確定性數(shù)據(jù)的頻繁模式的挖掘算法作為研究對(duì)象，總結(jié)了目前兩種主要的不確定性模型，分別是基于期望支持度和基于概率分布的概率模式兩種。而且在不確定性數(shù)據(jù)中，基于期望支持度的

2、挖掘算法丟失了項(xiàng)集的概率分布特征，不能表達(dá)頻繁模式估計(jì)的準(zhǔn)確性，因此本文主要采用基于概率分布的頻繁模式表示，在此基礎(chǔ)上，提出了不確定性數(shù)據(jù)頻繁模式的垂直挖掘算法。
　　本文的主要研究成果有:
　　對(duì)目前典型的不確定性數(shù)據(jù)頻繁模式挖掘算法進(jìn)行研究和總結(jié)，歸納出不確定性數(shù)據(jù)中的頻繁模式挖掘的算法的一般特點(diǎn)。
　　由于項(xiàng)集的支持度是不確定性的，使用期望支持度的頻繁模式不能說明估計(jì)項(xiàng)集頻繁的準(zhǔn)確性，因而采用引入置信度的頻繁模式

3、模型;通過理論分析證明，該模型相較期望支持度的模型更能準(zhǔn)確地估計(jì)頻繁模式。
　　提出了一種基于擴(kuò)展方法的不確定性數(shù)據(jù)概率頻繁模式垂直挖掘算法UPC-Eclat。該算法對(duì)Tidset進(jìn)行擴(kuò)展，遞歸建立子集搜索樹，通過深度優(yōu)先遍歷搜索樹來挖掘概率頻繁模式。并且利用擴(kuò)展動(dòng)態(tài)計(jì)算模式優(yōu)化項(xiàng)集的頻繁概率計(jì)算過程，從而挖掘出用戶自定義置信度和最小支持度下的頻繁模式。
　　通過針對(duì)三種不同的數(shù)據(jù)集Chess，Mushroom，T1014D