基于模糊等價(jià)類的頻繁項(xiàng)集精簡(jiǎn)表示算法研究.pdf

1、傳統(tǒng)關(guān)聯(lián)分析需要處理大量的頻繁項(xiàng)集以得到可用的關(guān)聯(lián)規(guī)則。為提高規(guī)則的抽取效率，已有多種頻繁項(xiàng)集的精簡(jiǎn)模型被提出。但是目前的絕大多數(shù)精簡(jiǎn)模型在考慮精簡(jiǎn)項(xiàng)集數(shù)量的同時(shí)，并未將支持度錯(cuò)誤率作為一個(gè)重要的評(píng)價(jià)指標(biāo)，這制約了關(guān)聯(lián)分析在實(shí)際中的應(yīng)用。
　　針對(duì)上述問(wèn)題，本文在深入分析現(xiàn)有精簡(jiǎn)模型的基礎(chǔ)上，來(lái)尋找一種既能降低頻繁項(xiàng)集數(shù)量與支持度錯(cuò)誤率，又受數(shù)據(jù)集誤差影響較小的頻繁項(xiàng)集精簡(jiǎn)表示模型，并設(shè)計(jì)相應(yīng)算法。
　　本文的主要研究工作如

2、下:
　　(1)針對(duì)頻繁項(xiàng)集數(shù)量較多，現(xiàn)有精簡(jiǎn)模型的支持度恢復(fù)錯(cuò)誤率較高的問(wèn)題，提出了基于模糊等價(jià)類的頻繁項(xiàng)集精簡(jiǎn)模型。分析總結(jié)了模型的相關(guān)性質(zhì)及定理，設(shè)計(jì)了一種基于深度優(yōu)先搜索策略的頻繁項(xiàng)集的精簡(jiǎn)集挖掘算法FECR。實(shí)驗(yàn)結(jié)果表明，本模型可以大幅度降低頻繁項(xiàng)集數(shù)量及支持度錯(cuò)誤率;與元項(xiàng)集模型相比，在同等精簡(jiǎn)項(xiàng)集規(guī)模情況下，本文方法生成的頻繁項(xiàng)集精簡(jiǎn)集合，在恢復(fù)時(shí)的支持度錯(cuò)誤率較低。
　　(2)由于模糊等價(jià)類在聚類過(guò)程中存在的