版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、20世紀(jì)80年代以來,隨著數(shù)據(jù)庫和信息技術(shù)的發(fā)展與廣泛應(yīng)用,各個應(yīng)用領(lǐng)域均累積了海量的數(shù)據(jù),且數(shù)據(jù)呈幾何級數(shù)增長。而存儲在大型數(shù)據(jù)庫中的海量數(shù)據(jù)包含了大量的、有利于決策者作出英明判斷的信息。但是由于缺乏強有力的數(shù)據(jù)分析工具,這些數(shù)據(jù)就變成了無人問津的“數(shù)據(jù)墳?zāi)埂?。這樣,基于直覺和經(jīng)驗的決策者往往不能做出有利于應(yīng)用領(lǐng)域的決定,使得這些包含有價值的數(shù)據(jù)無法發(fā)揮它們應(yīng)有的決策指導(dǎo)作用。如何從海量數(shù)據(jù)集中提取出有利于商務(wù)決策的信息成為各個領(lǐng)域的
2、需求,在這種情況下,數(shù)據(jù)挖掘應(yīng)運而生,從不同的角度以不同的形式為商務(wù)策略、科學(xué)等各領(lǐng)域提供依據(jù),推動了信息技術(shù)的迅猛發(fā)展。
本文研究的兩項工作:
首先,頻繁項集挖掘作為關(guān)聯(lián)規(guī)則產(chǎn)生的首要步驟,其挖掘效率的高低直接影響著關(guān)聯(lián)規(guī)則產(chǎn)生的總體效率。而數(shù)據(jù)集掃描次數(shù)和支持?jǐn)?shù)計算效率一直是影響頻繁項集挖掘的主要因素。本文以shariq bashir提出的TOP-N閉頻繁項挖掘算法為基礎(chǔ),利用位向量映射技術(shù),提出了基于索
3、引的頻繁項集挖掘算法。該算法用位向量表示數(shù)據(jù)集,僅需一次掃描數(shù)據(jù)集。頻繁項集的挖掘過程采用集合枚舉樹的節(jié)點構(gòu)造過程來表示,在創(chuàng)建節(jié)點枚舉項的尾項支持?jǐn)?shù)時,利用枚舉項集的位索引,計算枚舉項合并形成的新項集的支持?jǐn)?shù),同時引入廣度擴展剪枝和區(qū)域索引跳過策略,從而快速地挖掘出頻繁項,有效地提高了算法的執(zhí)行效率;實驗結(jié)果表明,該算法在稀疏數(shù)據(jù)集上有很高的運行效率。
其次,由于挖掘出的頻繁項集可能包含大量的用戶不感興趣的規(guī)則,同時如果
4、沒有進一步的分析或領(lǐng)域知識,頻繁項集并不能直接用于預(yù)測。如何消除頻繁項集中用戶不感興趣的頻繁項是頻繁項集用于指導(dǎo)實踐的瓶頸。所以,本文在基于索引的頻繁項集挖掘算法基礎(chǔ)上,本文又提出基于頻繁項集的互補替代關(guān)系挖掘算法。該算法通過對已挖掘出的各頻繁項集中的頻繁項進行相關(guān)性計算,挖掘出頻繁項之間的互補替代關(guān)系,去除噪聲數(shù)據(jù)的影響,以圖形的方式顯式地向決策者展示出各個頻繁項之間的互補(或替代)性,更便于決策者做出準(zhǔn)確、合理的判斷。實驗表明,CA
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 最大頻繁項集和頻繁基項集挖掘算法研究.pdf
- 基于矩陣的頻繁項集挖掘算法研究.pdf
- 基于格的快速頻繁項集挖掘算法
- 基于待與項集的頻繁項集挖掘算法的研究.pdf
- 基于頻繁模式樹的最大頻繁項集挖掘算法研究.pdf
- 頻繁閉項集挖掘算法研究.pdf
- 基于抽樣的云頻繁項集挖掘算法研究.pdf
- 基于MapReduce框架的頻繁項集挖掘算法研究.pdf
- 基于垂直格式的頻繁項集挖掘算法研究.pdf
- 最大頻繁項集挖掘算法的研究.pdf
- 快速頻繁項集挖掘算法研究.pdf
- 基于FP-Tree的頻繁項集挖掘算法研究.pdf
- 基于ZBDD結(jié)構(gòu)的頻繁閉合項集挖掘算法研究.pdf
- 基于數(shù)據(jù)流的頻繁項集挖掘算法研究.pdf
- 基于傾斜時間窗口的頻繁項集挖掘算法研究.pdf
- 基于MapReduce的并行頻繁項集挖掘算法研究.pdf
- 頻繁項集挖掘算法的并行化研究.pdf
- 基于OpenCL的頻繁項集挖掘研究.pdf
- 基于FP-Tree的最大頻繁項集挖掘算法研究.pdf
- 基于USI及項集相關(guān)重要性的頻繁集挖掘算法.pdf
評論
0/150
提交評論