基于FP-tree的多層關(guān)聯(lián)規(guī)則挖掘算法的研究.pdf

1、多層關(guān)聯(lián)規(guī)則挖掘是關(guān)聯(lián)規(guī)則領(lǐng)域里的一個重要研究方向，而作為多層關(guān)聯(lián)規(guī)則挖掘中最耗時的部分——頻繁模式挖掘，其算法的好壞直接影響到關(guān)聯(lián)規(guī)則挖掘的效率。
　　 因此，設(shè)計高性能的頻繁模式挖掘算法具有重要意義。本文在對FP-tree 結(jié)構(gòu)深入分析的基礎(chǔ)上，提出了兩種頻繁模式挖掘算法。
　　 針對FP-growth算法時間效率不高的不足，提出了一種新的基于FP-tree的頻繁模式挖掘算法FPIFS算法。該算法在FP-tree中的

2、每一個節(jié)點域中增加了一個前綴路徑域，用于存放該節(jié)點的所有前驅(qū)。當(dāng)遍歷FP-tree的時候，只需掃描幾個節(jié)點，就可以求出大部分節(jié)點的前驅(qū)。當(dāng)處理這些節(jié)點的父節(jié)點的時候，就不需要重復(fù)掃描這些路徑，避免了在挖掘過程中對同一路徑進(jìn)行多次回溯，從而提高了時間效率。
　　 針對現(xiàn)在的大多數(shù)多層關(guān)聯(lián)規(guī)則挖掘算法只能挖掘同層次的關(guān)聯(lián)規(guī)則，提出了一種基于FP-tree的多層關(guān)聯(lián)規(guī)則挖掘算法FP-ML算法，該算法首先找出那些在當(dāng)前層不頻繁，而其父項

3、卻是頻繁的項，采用一種替換策略，將其用父項來取代，然后再調(diào)用FPIFS算法對新的交易記錄進(jìn)行挖掘，最終挖掘出不同概念層的頻繁模式。
　　 將FPIFS算法與FP-ML算法分別跟FP-growth算法和MLAR-FP算法在T10I4D100K數(shù)據(jù)集與真實數(shù)據(jù)集——retail 數(shù)據(jù)集上進(jìn)行實驗比較分析，結(jié)果表明FPIFS算法的時間效率優(yōu)于FP-growth算法，其穩(wěn)定性較FP-growth算法要好；FP-ML算法的時間效率優(yōu)于ML