一个改进的分类关联规则挖掘算法
２ Ｊｎ ｈ ｕＳ ｈ ｏ ｆ ｅｔｏ ｃ ａ ｉａ ｇｎ ｅｉｇ Ｊｎ ｈ ｕ１ １ ０ ， ｉａ ．ｉｚ ｏ ｃ ｏ ｌ Ｅｌｅｒｍｅ ｈ ｎｃｌ ｏ Ｅｎ ｉｅ ｒｎ ， ｉｚ ｏ ２ ０ ０ Ｃｈｎ ）
Ｋｅ ｒ ｓ Ａｐ ｉ ｒ ａｇ ｒｔ ｍ ； ｙ ｗｏ ｄ ： ｒｏ ｉ ｌ ｏ ｈ ＣＡＲ； Ｍ Ｉ ； ＤＣ ｉ Ｍ Ｓ Ｓ Ａｂ ｔ ａ ｔ Ａｓ ｏ ｉｔ ｎ ｒ ｌ ｎ ｎ ｓｏ ｅ ｏ ｅ ｉ ｏ ｔ ｎ ｅ ｄ ｎ Ｄａ ａ ｍｉ ｉ ｇ ｔ ｅ ｍｏ ｔｃ ｒｅ ｔ ｓ ｒ ｃ ： ｓ ｃ ａｉ ｕ ｅ ｍｉ ｉ ｇ ｉ ｎ ｆｔ ｏ ｈ ｍｐ ｒ ｔ ｌ ｓｉ ｔ ｎ ｎ ， ｓ ｕ ｒ ｎ ａ ｆ ｉ ｈ
ｏ ｔ ｅａ ｓ ｃａ ｉ ｎ ｒ ｌ ｓｔ ｅ ｅｇ ｖ ｎ ｒ ｑ ｉ ｍｅ ｔ ｂ ｔａｓ ａ ｅ ｐ ｔ ｅ ｒ ｌ ｅ ａ ｅ ｈ ｗｅ ｅ ， ｕ ｓ ｏ ｉ ｔ ｅ ｍｅ ｔ ｈ ｉ ｅ ｅ ｕ ｒ ｈ ｔ ｏ ｕ ｏ ｔ ｅ ｎ ， ｕ ｌ ｃ ｎ ｋ ｅ ｕ ｅ ｉ ｍｓｒ ｒ ， ｏ ｖ ｒ ｏ ｈ ｔ
摘
Байду номын сангаас
要 ：关联规则挖掘是数据挖掘 的重要领域 之一， 目前多数监督学 习算法对满足最小支持度和最小置信 度
的关联规则进行深入分析 的较 少。剖析 了分类 关联规 则挖掘 算法 Ｃ － ｐｉｒ算法 ，并提 出了一种基于多最小支 ＡＲ Ａ ｒ ｉ ｏ 持度和支持度差别 限制 的分类关联规则挖掘算法 ＭＳ Ａ Ａ ｒ ｒ算法 。 Ｃ Ｒ－ ｐｉ ｉ ｏ 实验结果表 明，改进算法不仅可 以挖掘 出 满足给定条件 的分类 关联规则， 同时还可 以保 留稀有但用户感兴趣且可 能蕴涵 巨大利润 的规则项 。 关键 词：Ａｐｉｒ 算法 ；分类关联规则 ；多最小项 目支持度 ；支持度 差别 限制 ｒ ｉ ｏ 中图分类号：Ｔ ３ １ Ｐ １ 文献标识码：Ａ 文章编号：１ ７ －２ １ ０ １ ５０ ８ —４ ６ ４３ ６ （ １） —２ ７０ ２ ０
第 ３ 卷 第 ５期 １ ２ １年 １ ０ｌ ０月
辽 宁工业大学学报 （ 自然科 学版）
Ｊｕｎ ｌ ｆ ｉ ｎｎ ｎｖ ｒｉ ｆ ｅｈ ｏｏ ｙＮａｕａ Ｓ ｉｎ ｅ ｄｔ ｎ ｏ ｒ ａ ｏ ａ ｉｇＵ ｉｅｓｙｏ ｃ ｎ ｌｇ （ ｔｒｌ ｃｅ ｃ ｉｏ ） Ｌ ｏ ｔ Ｔ Ｅ ｉ
Ｖｏ ． １ Ｎｏ ５ １ ３ ． Ｏｃ ． ０ １ ｔ２ １
本漱
层次论文
一
个改进 的分类 关联规 则挖掘 算法
佟玉军 ，李 煜 ２ ，陈文 实 ，刘鸿沈
（ ． 工业 大 学 电子 与信 息工 程 学院 。辽 宁 锦 州 １ １０ ：２ 州 市机 电工 程学 校 机 电技 术应 用系 ，辽 宁 锦州 １１０ ） １辽宁 ２０１ ． 锦 ２０ ０
ａｓ ｃａｉｎ ｒ ｌｓ ｍｉｍ ｇ ａｇ ｒｔｍｓ ｗｅ ｔ ｌｓ ｎｏ ｄ 印 ａ ａｙ ｉ ｏ ｓｏ ｉｔ ｎ ｒ ｌｓ ｗｈｃ ｅ ｓ ｏ ｉｔ ｕ ｅ ｎ ｌｏ ｉ ｏ ｈ ｎ ｅｓ ｉｔ ｅ ｎ ｌｓｓ ｆ ａ ｓ ｃａｉ ｅ ｉｈ ｍｅ ｔ ｏ ｕ ｍｉｉ ｍ ｕ ｐ ｒ ａ ｄ ｍｉｉ ｍ ｏ ｆｄ ｎ ｅ Ｔｈｓｃａｓｆｃ ｔ ｎ ａｓ ｃａｉｎ ｒ ｌ ｎｎ ｌｏ ｉ ｍ ． ｎｍｕ ｓ ｐ ｏｔｎ ｎｍｕ ｃ ｎ ｅ ｃ ． ｉ ｌｓｉ ａｉ ｓ ｏ ｉｔ ｕｅ ｍｉｉｇ ａｇ ｒｔ ｉ ｉ ｏ ｏ ｈ ｉ ｅ Ｃ Ｒ Ａｐ ｉｒ ｌｏ ｔｍ ｗａ ｎ ｌｚ ｄ ｎ ａ ｄ ｏ Ａ － ｒｏ ａｇ ｒ ｈ ｓ ａ ａｙ ｅ ，ａ ｄ ｂ ｅ ｎ ｔ ｅ ｍｕｔ ｌ ｎｍｕ ｉ ｉ ｓ ｈ ｌｐ ｅ ｍｉｉ ｍ ｕ ｐ ｒ ａ ｄ ｓ ｐ ｏ ｔ ｉ ｓ ｐ ｏ ｔ ｎ ｕ ｐ ｒ ｄｆｅｅ ｃ ｏ ｓｒ ｉｔ ｎ ｅ ｈ ｎ ｅ ｌｓｉ ｃ ｔ ｎ ａｓ ｃａｉｎ ｒ ｌ ｎｎ ｌｏ ｔｍ Ｓ ＡＲ－ ｒｏ ｉ ｒｎ ｅ ｃ ｎ ｔａｎ ，ａ ｎ ａ ｃ ｄ ｃａ ｓｆ ａｉ ｏ ｉｔ ｕ ｅ ｍｉ ｉｇ ａｇ ｒ ｈ Ｍ Ｃ ｉ ｏ ｓ ｏ ｉ Ａｐ ｉｒ ｉ ａｇ ｒ ｈ ｗａ ｒ ｐ ｓｄ Ｅｘ ｅｉ ｅ ｔｌ ｅ ｕｔ ｘ ａｉｔｓｔ ａ ｅｉ ｒ ｖ ｄａｇ ｒｔ ａ ｏ ｎｙｍｉｅ ｌ ｏｉ ｍ ｓｐ ｏ ｏ ｅ ． ｐ ｒ ｎ ｓ ｌ ｅ ｐ ｔ ｅ ｔ ｈ ｔ ｍ ａ ｒ ｓ ａ ｈ ｔ ｍｐ ｏ ｅ ｌｏ ｉ ｍ ｈ ｃ ｎｎ ｔ ｌ ｎ ｏ
ｉｔｒ ｓｅ ｙｕ ｅｓａ ｄａｓ ｏ ｓｂｙｉ ｌ ａｅ ｅｒ ｌ ｅ ｏ ｇ ｒ ｆｔ ｎ ｅｅｔｄｂ ｓｒ ｎ ｌｏｐ ｓｉｌ ｍｐｉ ｔｓｔ ｕｅｉ ｍ ｆ ｕ ｅｐ ｏ ． ｃ ｈ ｔ ｈ ｉ
Ａ ｒ ｒ 算法是关联规则挖掘算法 中最经典的 ｐｉ ｉ ｏ 算法 之 一 ，由 Ａｇａ ｌ 【于 １９ 首次提 出 ，算 ｒｗａ等 ｌ ９ ４年 】
（ ． ｌ ｃｒ ｎ ｃ １Ｅ ｅ ｔｏ ｉ ｓ＆ Ｉ ｆ ｒ ｔｏ ｇｎ ｅｉ ｇ Ｃｏ ｌｇ ， ａ ｎ ｎ ｉ ｅ ｓｔ ｆ ｅ ｈ ｏ ｏ ｙ Ｊｎ ｈ ｕ １ ０ １ Ｃｈｎ ； ｎ ｏ ｍａ ｉ ｎＥｎ ｉｅ ｒｎ ｌ ｅ Ｌｉｏ ｉ ｇＵｎｖ ｒｉ ｏ Ｔ ｃ ｎ ｌ ｇ ， ｉ ｚ ｏ ２１ ０ ， ｉ ａ ｅ ｙ
Ｉ ｐｒ ｖ ｄ Ｃｌ ｓ ｓ ｃ ａ ｉ ｎ Ｒｕ ｅＭ ｉ ｉ ｇ Ａｌ ｏ ｉｈ ｍ ｏｅ ａｓ Ａｓ ｏ ｉ ｔｏ ｌ ｎ ｎ ｇ ｒｔ ｍ
Ｔ ＯＮＧＹ － ｎ， Ｉ ｕ， Ｈ ＮＷｅ． ｉ ＬＵ ｏ ｇｓｅ ｕｊ Ｌ ２Ｃ Ｅ ｎｓ Ｉ Ｈ ｎ ．ｈｎ ｕ Ｙ ｈ，
改进的关联规则算法
Ｏ 引 言
文献 ［］ 出 的基 于线 性 链 表 的 关 联规 则挖 掘 方 法 就 是 建 １ 提
立 在 Ａ ｒ ｒ算 法 的 基 础 上 进 行 的改 进 ， 指 出可 以在 一 次 扫 ｐｉ ｉ ｏ 其 描 事 务 数 据 库 的 情 况 下 发 现 所 有 的频 繁 项 集 ， 造 存 储 对 应 构 事 务 的线 性 链 表 ， 是在 形 成 候 选 项 集 的 时 候 ， 要 再 次 访 问 但 需 线性 链 表 一 次 。 然 表 面 看 来 是 在 一 次扫 描 事 务数 据 库 的 情 虽 况 下 发现 所 有 的频 繁项 集 ， 实 质 两 次扫 描 数 据 也 相 当 于 两 但
ｐ ｏ ｅ ｎｓ ｒｖ ｍｅ ｔ：① Ａｌｄ ｔ ｎｙｎ ｅ ｅ ｎ Ｃ ； ｌ ａａｏ ｌ ｅ ｄ ｄｏ ｅＳａ ② Ｔ ｅｍｅｈ ｄｗｈｃ ａ ｄｄ ｔ ｅ ｅｓ ｉｉｉｇｉｔ ｒｕ ｓａ ｄｃ ｕ ｔ ｇａ ｄｗｈｃ ｎ ｈ ｔｏ ｉｈｉ ｃ ｎ ｉａｅｉ ｍｓｔ ｄｖｄｎ ｏｇ ｏ ｐ ｏ ｎｉ ｎ ｉｈ ｓ ｔ ｎ ｎ ｎ
关联规则挖掘中改进型Diffsets算法
关联规则挖掘中改进型Diffsets算法
孙志长;冯祖洪
【期刊名称】《现代电子技术》
【年(卷),期】2008(31)22
【摘要】频繁项集挖掘是关联规则挖掘中至关重要的一步.对于稠密数据集的频繁项集挖掘,传统的挖掘算法往往产生大量无用的中间结果,造成内存利用率的极大浪费,尤其是在支持度较低的情况下.Diffsets算法通过引入"差集"的概念,在一定程度上解决了挖掘过程中产生的大量中间结果与内存容量之间的矛盾.改进型Diffsets 算法是在原算法的基础上,在差集运算过程中根据差集中所包含的事务标识个数进行递减排序.进一步减少了挖掘过程中产生的中间结果数量.分析与实例表明,改进后的算法在执行过程中将占用更少的内存空间,加快了算法的收敛速度.
【总页数】5页(P80-83,87)
【作者】孙志长;冯祖洪
【作者单位】北方民族大学,计算机科学与工程学院,宁夏,银川,750021;北方民族大学,计算机科学与工程学院,宁夏,银川,750021
【正文语种】中文
【中图分类】TP311
【相关文献】
1.一种改进型的多级关联规则挖掘算法 [J], 张勇;唐培丽
2.一种关联规则挖掘算法及其在医疗信息挖掘中的应用 [J], 郑传生;蔡伟鸿
3.基于改进型关联规则挖掘算法的光纤故障预警系统 [J], 陈津;
4.一种基于权函数的改进型关联规则挖掘算法 [J], 张有根;吴庆涛;邵志清
5.一种基于权函数的改进型关联规则挖掘算法 [J], 张有根;吴庆涛;邵志清
因版权原因，仅展示原文概要，查看原文内容请购买。
一个改进的关联规则的频繁项目集数据挖掘算法
实验进行了验证 。
（ ）利用 步骤（ ） ２ １ 所产生 的频繁项 目集 ， 推导 出有意义 的
关联规则 。
由此可 知 ， ｐ ｉ ｉ 法是利 用简单渐 进 的组 合方式 ， Ａ ｒ ｒ算 ｏ 但 其 有两个效率上 的瓶颈 ： （ ）会产生大量 的候选项 目集 １
２ Ａｐｉｒ 算 法 ｒ ｉ ｏ
法 的主 体 。
Hale Waihona Puke 据挖掘技术一直在持续 发展 ， 目前 已有许 多成熟 的方法 与技
术， 如关联规则分析 、 聚类规则 、 分类 规则 等。其 中关联规 则 主要是从庞大 的交易记 录数据库 中， 寻找 出商 品项 目之 间的 关联性 。在关联规则 中最常被使用 的方法为 Ａｐｉｒ算法 ， ｒ ｉ ｏ 本 文针对 Ａ ｒ ｒ 算法的固有缺点 ， 出了对算法 的优化 ， 用 ｐｉ ｉ ｏ 提 并
关 联 规 则 的 主 要 目的 是 从 庞 大 的 交 易 记 录 数 据 库 中 ， 寻
第 二候选项 目集是 由第 一频 繁项 目集 两两 合并 所产 生
一个改进的关联规则挖掘算法
０ ４ ＡＢ Ｄ ０ ０ ５ ＡＣ ０ ０ ６ ＢＣ ０ ０ ７ ＡＣ ０
０８ ＡＢＣ Ｅ ０ ０９ ＡＢＣ ０
小 置信 度 的 所 有 关联 规 则 。 其 中第 一 个 最 为 关 键 。在 现 已 提 出 的 多 种 关 联 规 则 算 法 中 ， 有 传 统 的 Ａ ｒ ｒ算 法 Ｉ１及 其 它 发 现 频 繁 项 集 的 算 法 『 ４。这 类 ｐｉ ｉ ｏ １， ２ ］ — 算 法 基 本 上 是 首 先 扫 描 数 据库 求 频 繁 １ 项 集 ． 此 基 础 上 再 扫 描 一 在 数 据 库 求 频 繁 ２ 项 集 ， 此 类推 ， 到 求 出最 大 频 繁 项 集 。 由于 一 依 直 但 数 据 库 的 规 模 通 常 较 大 ． 次 重 新 扫 描 数 据 库 非 常 耗 时 ， 易 产 每 且
０ １ ＡＢ Ｅ ０
０２ ０ ＢＤ ０３ ０ ＢＣ
ｄ ｎｅ的 形 式 ， 中 ， Ｂ是 项 目集 ， ｐ ￣ （ １ 支 持 度 ， ｅｃ１ 其 Ａ， ｓ ｐ ＝ＰＡＵＢ 是 ｕ ｃｎ ｄ ｎｅ （ ） 置 信 度 。 ｏｆ ｅｃ＝ＰＢＡ是 ｉ ｒ
关 联 规 则 挖 掘 通 常 是 挖掘 同 时 满 足最 小 支持 度 （ ｉ — ｐ 和 ｍｎｓ ） ｕ 最 小 置 信 度 （ ｎ ｃｎ） 强 规 则 ， 以 分 成 两 个 子 任 务 ： 出事 务 ｍｉ．ｏｆ的 可 求 集 中 满 足最 小 支 持 度 的 所 有 频 繁 项 集 ； 用 频 繁 项 集 生 成 满 足 最 利
扫 描 数 据 库 ， 计 各 项 目的 支 持 度 ， 从 大 到 小 排 序 ， 果 支 统 并 如 持 度 相 同 ， 按 字 典 顺 序 。若 设 最 小 支 持 度 ｎ ｎ ｓ ｐ ２ 则 对 表 ｌ 则 ｌ ｕ＝， ｉ
关联规则挖掘算法的研究与应用
关联规则挖掘算法的研究与应用引言：关联规则挖掘算法作为数据挖掘领域的重要工具之一，在商业、医疗等领域有着广泛的应用。
通过挖掘数据集中的关联规则，可以发现数据之间的潜在关联关系，为决策提供支持与指导。
本文将对关联规则挖掘算法的研究和应用进行探讨，并分析其在实际问题中的应用效果。
一、关联规则挖掘算法的基本原理关联规则挖掘算法是通过寻找数据集中的频繁项集和关联规则来揭示数据之间的相关性。
算法的基本原理包括：支持度和置信度的计算、频繁项集的挖掘和关联规则的生成。
1. 支持度和置信度的计算：支持度表示一个项集在整个数据集中出现的频率，而置信度表示一个关联规则的可信度。
通过计算支持度和置信度，可以筛选出具有一定频率和可信度的项集和关联规则。
2. 频繁项集的挖掘：频繁项集是指在数据集中出现频率达到预定义阈值的项集。
挖掘频繁项集的常用算法有Apriori算法、FP-growth算法等。
Apriori算法是一种基于逐层搜索的算法，在每一层中利用候选项集生成频繁项集。
而FP-growth算法是一种基于树结构的算法，通过构建FP树和挖掘频繁模式来实现。
3. 关联规则的生成：在挖掘到频繁项集之后，可以利用这些频繁项集生成关联规则。
关联规则的生成常采用Apriori原理，即从频繁项集中根据最小置信度阈值生成关联规则。
二、关联规则挖掘算法的研究进展随着数据挖掘技术的发展，关联规则挖掘算法也得到了不断的改进与扩展。
研究者们提出了许多新的算法和改进方法，以提高关联规则的挖掘效果。
1. 改进的关联规则挖掘算法：针对传统算法在挖掘大规模数据时效率低下的问题，研究者们提出了一些改进的算法。
例如，有基于GPU加速的算法、并行化的算法以及基于增量挖掘的算法等。
这些算法通过利用硬件加速和并行计算技术，可以大幅提升挖掘速度。
2. 多维度关联规则挖掘：除了在单一维度上挖掘关联规则，研究者们还尝试在多维度上进行关联规则的挖掘。
多维关联规则挖掘算法可以同时挖掘多个维度中的关联规则，从而发现更加丰富和准确的关联关系。
一种改进的关联规则挖掘算法及其应用
③对候选 项集进行剪枝， 一 从 中删除所有（一 ｋ
１一 ）子集不全包含在 雎一 １中的项集 。
④扫描数据库事务 Ｄ 对于其中的每一个事务， ， 如
果它 包含 中的候选项 集 ｃ ，则将 ｃ的计数 值加 １ （
扫描开始时 ， 初始值为 Ｏ 。 ）扫捕 ， 计算这些候选项集
的支持度 ，删除其支持度低 于用户给定 的最小支持度
１１ 关 联 规 则 的 思 想 ．
≥ｍ ｎｅｎ， Ａ 日成立 。 ｉ ｏｆ则
由于第②步相对而言比较容易，因此 目 前的研究 重点在第①步， 即找出频繁项集。
１ Ａ ｒ ｒ算法的描述 ． ２ ｐｉ ｉ ｏ
最经典 的关联规 则挖掘算法 是 Ａ ｒ ｒ算法 ， ｐｉ ｉ ｏ 其思 想是利 用 已知的 高频数 据项 集推 导其 他高 频数 据项
招 生 录 取 后 大 量 考 生 流 失 ｆ题 ， 用 该 算 法 对 某 地 区考 生 信 息 进 行 数 理 分 析和 仿 真 实 验 ， 掘 了隐 含 的有 用 信 息 ， ｌ ｆ 使 挖
为 高校 招 生录 取 提 供 决策 性 的作 用 。 关键词 ： 数据 挖 掘 ； 关联 规 则 ； 生 录取 招 中 图分 类 法 ：Ｐ １ Ｔ ３ 文 献 标 识 码 ： Ａ 文章 编 号 ： ０ ８ ６ ９ （ ０ ８ ０ — ０ ４ ０ １０ — ３ ０ ２ ０ ）６ ０ ７ — ３
⑤重复步骤②到（ ， 直到 Ｌ 为空。 ｋ ⑥对 ， 到 取并集即为最终的频繁集 。 Ｊ １
１ Ａ ｒ ｒ 法存在 的不足 ． ３ ｐｉ ｉ ｏ算
Ａ ｒ ｒ算 法核 心思想把 发现关联规则 的工作也 主 ｐｉ ｉ ｏ 要 分为两步 ：通过迭代检索 出事务数据库 中的频 繁项
数据挖掘中关联规则的一种改进算法
关联规． （ｓｏｉ ｉ ｕｅ） ￣ ａｓｃ ｔ ｎｒｌｓ的挖掘是数据挖掘研究的重要内容之 ］ １ ａｏ Ａ ｒｗ ｌ ｇａ ａ等人 １９ 年首先提出了从交易数据库中发现用户模式的 ９３ 相关 ｆ问题 ， 生 并提出了基于频繁集的 Ａ ｆ ｆ算法。 ｐｏ ｉｉ 该算法的主要优 是 算法思路比较简单 ， 以递归统计为基础 ， 生成频繁集。 其主要观 是在产 生频繁模式的过程中， 需要产生大量的候选项和多次遍历数据库 ， 占用 大量的内存空间和 Ｃ Ｕ处理时间 ， Ｐ 该算法难以适应海量数据挖掘 。 Ｊ ｎ ． 提出了用频繁模式树产生频繁集的方法 ， Ｈａ 其主要思想是将用 支持艘％ 吏 持蘼％ 产生频繁集的数据压缩到一棵频繁模式树 Ｆ － ｒｅ ，用 Ｆ － ｒｅ Ｐ Ｔｅ 中 Ｐ Ｔｅ 存 图 ２应用 Ｄ ２时三种算法的 储项 目的关联信 息， 然后对模式树产生频繁集。Ｆ － ｒｅ Ｐ Ｔｅ 算法主要优点 图 １应用 Ｄ１时三种算法的运行 时间随支持度变化情况 运行时间随支持度变化的情况 是： ） （ 不需要产生候选项 ， １ 仅需要构造 Ｆ － ｒ 和条件 Ｆ ＿ ｒｅ通过递 ＰＴｅ ｅ Ｐ Ｔｅ ， ｔｂｅｐｏｅｔｄ ａｌＦｏ Ｔｅ（ａ ｅｎｆｓｎ ｅ ） ａｌ＝ｒｊｃ Ｔ ｂｅ ｒｍ ｒｅｐｔ ｒ，ｒＩｄｘ ； ｅ ｔ ｉｔ 归地访问 Ｆ － ｒｅ产生频繁模式 ； ） ：务数据库仅需两次遍历 ， １ Ｐ Ｔｅ ， （ Ｘｃ ２ ￣ｇ ４ 第 次遍历产生频繁 １￣ 集 ， ２ － ． 第 次遍历用于创建 Ｆ ＿ ｒｅ从而极大地降 － Ｐ Ｔｅ， Ｆ －ｒｗｈｔ ｌ，ｒｔ ｄｘｐｔ ｒ） Ｐ ｇｏ ｔ（ ｂｅｆ ｓｎ ｅ ，ａ ｅｎ ； ａ ｉ Ｉ ｔ 低 了访问数据库的次数。 Ｐ Ｔｅ 算法的主要缺点是需要占用￣ｉ 内存 Ｆ － ｒｅ ｔ 算法 ２ 输 入 ：Ｉｆｓ ｎｅ Ｆｊ ｒ ｌｄｘ ， ｔ ｉ （ Ｆ － ｒｅ 与 Ｐ Ｔｅ 的深度和宽度成 比例 ） 的深度一般是单个事务中所含 ，树 输 出：￣ ｏｏ ｃｅ ｅｕ ｎ ｉ ｍ ｔ ｌ Ｆ － ｒ ｅｔｄｆ ｑ ｅｔ ｔ ａ ｅ ｊ ｒ ｅ ｂ 项 目数量的最大值； 树的宽度是平均每层所含项 目的数量。 如果数据库 中的频繁 １ 项集的数量很大 ，且内存不能装入库中所有项 目在 Ｆ － 一 Ｐ Ｓｅ ， ｔ １找到 Ｆｉ ｐ Ｉ在项头表 中对应位置 ， 通过节点链头确定该项 目 在频繁模式树中的所有出现位￣；ｔｐ２ Ｓｅ ，由每个位置 自下 向上读取该 Ｔｅ 的映射信息时， ｒｅ 算法将不能有效地工作。 本文在继承 Ｆ － ｒｅ ＰＴ ｅ 算法不需要产生候选项的优点 的基础上 ， 提 路径的节点信息， 并作为一条伪事务按频繁项 目表 的格式存储 ， 路径上 出一种合理 的方法 ， 将数据库 的项集分解成若干子集 ， 分别对子集使用 所有节点的支持数以 Ｆｊ Ｉ在该位置处的支持数代替 ， 该频繁项 目表仅出 Ｆ － ｒｅ Ｐ Ｔｅ 算法得到频繁模式。 这些频繁模式的并集为数据库的所有频繁 现项 Ｆｊ１…，Ｉ， Ｉ ， Ｆ １所有的伪事务号存储在 ＦＤ ｌｔ 伪事务 ｉ 一 Ｉ－ｉ 中， ｓ 中项 目 模式 ， 最后给 出实验结果证实改进是有效的。 Ｆ ｈ的数值 以 Ｖｉ （ ＦＤ ｉ ， 一 ，１； 【￣ ｉ Ｉ ４ ｓ 讲ｉ１１）过程 ｐｏ ｅｅＴ ｂｅ ， ？ ｔ ｒ ｅｔｄ ａｌ 用于从 ｋ ｊ 一 ２ 关联 规则 维频繁项 目表中生成（＋ ）维频繁项 目表。 ｋ １一 关联型知识（ ｓ ｃａ ｏ ）反映—个事件和其它事件之间依赖或关 Ａ ｓ ｉｉｎ ： ｏ ｔ ５算法性能分析比较 将基于频繁项 目表的频繁模式挖掘方法与传统的 Ａ ｆ ｆ 算法， ｐｏ ｉｉ 以 联的知识 ， 又称依赖（ ｅ ｅｄｎ ｙ关系。这类知识可用于数据库中的归 Ｄ ｐｎ ｅｃ ） 化， 查询优化等。关联规则形式如下 ： “ 规则 面包＋ 黄油＿ 牛奶『 及 Ｆ －ｒｗｈ ＞ ８ ％， Ｐ ｇｏ ｔ 方法进行 了比较 。所有实验都是在 １ Ｈ 主频 、２ Ｍ内 Ｇ ｚ １８ ８吲 ”指在购买面包和黄油的顾客中，５ ５ ， ８％￣Ａ 同时也买了牛奶。这里 ， 存 、 运行 Ｗｉｄｗ ８的 ＰＩ Ｐ ｎ ｏ ｓ９ Ｉ Ｃ上进行 ， Ｉ 所有程序采用 Ｍ Ｆ ＋ ６ Ｓ Ｃ＋． ０编 ８ ％为规则的支持度， ８％为规则的信任度。 而 ５ 用于关联规则发现的主要 程。 为了更好地进行算法 胜能的比较 ， 我们采用两个数据集 ＤｌＴ ５ １． （２ ． ０ Ｉ 对象是事务型数据库 ， 中针对的应用则是售货数据 ， 其 也称货篮数据。 Ｄ１Ｋ） Ｄ （ ５２ ．１０ ） ０ 和 ２ ． ０ ０ Ｋ 。最后 ， Ｉ Ｄ 我们通过图 ３给出了在设定支持 ３频 繁模 式树 的数 据 结构 度为 ２ ％时 ，ＩＥ 、Ｐ ｇｏ ｔ Ａ ｒ ｒ算法的运行时 间随事务数 目 ＦＢ Ｒ Ｆ －ｒｗｈ和 ｐｉ ｉ ｏ 频繁模式树是按树结构对原事务数据库 Ｔ Ｂ中的频繁模式信息 变化的情况 ， Ｄ 由图可知 ， 当事务数从 １Ｋ增大到 １０ Ｏ ０ Ｋ时 ， 三者都表现 进行压缩存储。频繁模式树包含一个标记为“ｕｌ的根节点， ｎｌ ” 一组频繁 了一定的线性扩展能力 ， 且在事务数取 ＩＫ左右时 ， Ｏ 三种算法的性能基 项 目子树作为根节点的子节点，另外还有一个便于对树进行遍历操作 本相当，Ｐ ｇｏ ｔ Ｆ － ｒ ｈ要比其它二者略好 ， ｗ 但随着事务数 目的增加 ， ｐ ｏ Ａｆｆ ｉｉ 的项头表。频繁项 目子树的每个节点都由三个域组成 ： 目名 、 项 计数以 算法性能相对要恶化的更快 ， 同时 ＦＢ Ｒ算法 良好的可扩展性也在高 ＩＥ 及 链 。 目名标明该节点在频繁 １ 项 Ｊ页目列表中对应的频繁项 目， 计 事务数 目区再一次得到验证。 数即包含该项 目的事务的数 目，节点链则指向该树中下一个代表该项 表 １实验采用的两个数据集 目的节点， 若剩余子树上不再有该节点时 ， 该域为空。项头表包含两个 墼 鉴 Ｉ 变 尘 墼 鳖 丛 堡 二 量 ． 塑 丝 塑 塑 墼 查 主 尘 里 墼 韭 Ｄｌ ２ ５ ｌ Ｏ ｌ Ｋ ｌ Ｋ ０ １１ ．Ｍ 域 ： 目名和节点链头， 项 其中节点链头记录了频繁模式树 中代表该项 目 【２ ） ２ ５ １ ０ ｌ Ｋ Ｏ ｌＯ Ｏ Ｋ Ｉ Ｍ ３８ 的第 — 个节点 。 ４改 进算 法描述 首先给出建立频繁模式集的算法（ 算法 １ ， ） 在此基础上给出用于从 频繁模式树 中生成 Ｆｊｐｏｅｔ Ｉ ｒｊｃ ｄ频繁项 目表的算法（ － ６ 算法 ２ 。 ） 算法 １ 输入 ： 原始交易数据库 Ｔ Ｂ 最小支持度 Ｄ， 输 出： 频繁模式集 Ｓｅ ， ｔ １扫描一遍 Ｔ Ｂ 得到 １ ｐ Ｄ， 频繁项集合 Ｆ ｌｔ Ｉ，Ｉ， ・ Ｉ） 法比较 ，该方法避免 了反 －ｓ Ｆ１Ｆ２ ・ ， ｑ ｉ（ ・Ｆ 图 ３三种算法运行时间 及其支持数 ，并按支持数对 Ｆ ｌｔ ＿ｓ作降序排列 ；ｔ ，根据 Ｆ ｌｔ对 复进行候选集的生成与测 ｉ Ｓｅ ２ ｐ ｉ ｓ 随事物数 目变化情况 Ｔ Ｂ构造 频繁模式 树［Ｐ Ｏ］ ｔｐ３ｆｒｅｃ ｔ Ｆｊｊｑ … ，） 试 ， Ｄ Ｈ Ｙ ０； ｅ ， ａｈ ｉｍ Ｉ ＝ ， ２ｉ Ｓ ｏ ｅ （ ｎ 并使用分治策略将频繁模式划分为若干个小集合进行分割挖掘， 大
一种改进的关联规则挖掘方法
仍保 留项 目集关联信息 ； 然后将 这种压缩后 的数据库分成
一
组 条 件数 据 库 （ 一种 特殊 类 型 的 投 影 数 据 库 ） 每 个 关 联 ， 个 频 繁 项 ， 分 别 挖 掘 每个 数 据 库 ． 于 挖 掘 长 的 和短 的 并 对
一
频 繁 模 式 ， Ｐ 树 方 法 都 是 有 效 的 和 可 伸 缩 的 ， 且 比 Ｆ一 并
可 以得 到 频 繁 ２ 项 集 ， 繁 ３ 项 集 …… 频 繁 ｋ项 集 ． 一 频 ～ 对
ｏｎ （） ｃｕｔ１表 示 项 目集 ｌ 数据 库 中 的支 持 计数 ， ｍ／＿ ｎ 在 而 ｎｃ ｆ ｏ
表 示 最小 可信 度 ） 规 则输 出 ：ｓ （一 ｓ” 该 规 则 也 称 为 则 １ ），
Ｖｏ ． ７ ＮＯ ６ １２ ．
一
种 改进 的关联 规 则 挖 掘 方 法
魏 本 昌 刘 辉。 ，
计 算机 科 学 系，湖北 丹 江 口 ４ ２ ０ ； ４ ７ ０
４ ２０ ） ４ ７ ０
（ ．郧校 ，湖 北 丹 江 口
率 ． 联 规则 挖掘 算 法 中 ， 关 最有 影 响 的 是 ＡＧ Ⅵ Ｒ 和ＳＩ Ｒ—
目集 各 项 目的 信 息 ， 头 节 点 （ａｔｒＤ ｔ） 表 节 点 （ｉ－ 表 ｐｔｅｎ ａａ 和 ｒ ｄ
为项 目集 （ 也称为模式） Ｄ为事务 （ ， 又称 交 易） 数据 库 ， 其 中每个事务 Ｔ是 Ｉ 中一组项 目集 合 ， Ｔ Ｉ并令其有 一 即 ，
个 唯 一 的 标识 符 Ｔ Ｄ 如 果 对 于 Ｉ Ｉ． 中的 子 集 ｘ有 ｘ Ｔ， 则
事务 包含 项 目集 ｘ 关 联 规 则 就 是 形 如 ｘ Ｙ 的 逻 辑 蕴 涵 ． 式 ， 中 ｘ ＩＹ Ｉ且 ｘＮ Ｙ 其 ，Ｇ ， 一 ． 如果 Ｄ 中 ｓ 交 易包 含
关联规则挖掘中改进型Diffsets算法
关联规则挖掘中改进型Ｄｉｆｆｓｅｔｓ算法作者：孙志长冯祖洪来源：《现代电子技术》2008年第22期摘要：频繁项集挖掘是关联规则挖掘中至关重要的一步。
对于稠密数据集的频繁项集挖掘，传统的挖掘算法往往产生大量无用的中间结果，造成内存利用率的极大浪费，尤其是在支持度较低的情况下。
Diffsets算法通过引入“差集”的概念，在一定程度上解决了挖掘过程中产生的大量中间结果与内存容量之间的矛盾。
改进型Diffsets算法是在原算法的基础上，在差集运算过程中根据差集中所包含的事务标识个数进行递减排序，进一步减少了挖掘过程中产生的中间结果数量。
分析与实例表明，改进后的算法在执行过程中将占用更少的内存空间，加快了算法的收敛速度。
关键词：数据挖掘；关联规则挖掘；频繁项集挖掘；Diffsets中图分类号：TP311文献标识码：B文章编号：1004-373X(2008)22-080-04Improved Diffsets Algorithm in Association Rules MiningSUN Zhichang,FENG Zuhong(Institute of Computer Science and Engineering,North NationalityUniversity,Yinchuan,750021,China)Abstract：Mining frequent items is a key step in association rules mining.As to the mining frequent items of dense datasets,the traditional mining algorithm always turn out a great deal of useless intermediate results which occupies a large proportion of the memory,especially in a low values of support.Diffsets algorithm introduces the conception of differences,and to some extent,it provides a solution of dealing with the contradiction between those multi-intermediate results and the memory capacity.This improved Diffsets algorithm on the basis of original algorithm ranks the number of tids in a degressive way during the the calculation course,in this way,the amount of intermidiate results can be decreased.The analysis and examples show that this imporved algorithm takes less memory space in the operation process and accelerates the convergence pace of the algorithm.Keywords：data mining;association rules mining;mining frequent items;Diffsets1 引言在过去的数十年中，人们收集数据的能力迅速提高。
改进的关联规则挖掘算法及其在课程设置中的应用
１关联规则挖掘算法
１ １算 法描述 ． 关联 规则 的概念 首先 由Ｒ Ａ ｒ ｗ ｌ 人提 出 ，是 描述 ．ｇ ｏ ａ等
数据 库 中数据 项 （ 性 、变 量 ）之 间所 存 在 的 （ 属 潜在 ） 关系 的规则 ， 目前 已成为 数 据挖 掘 中非 常 重要 的一个 研
究方 向。
存 在 ２ 问题 ：１ 个 ）算 法 必 须 多次 扫描 事 务数 据库 ，对候
选 项 目集进 行模 式 匹配 ；２ ）算 法必 须花大 量 的时 间进行
进 程 的决 策 是十 分 困难 的。 因此 必须 借 助于 相 应 的数据
挖 掘 工具 ，发现 数据 中隐藏 的课程 相 关 规律 或 模式 ，为 决策 提供支 持 。
Ａｂ ｔｒ ｃ Ｂ ｅ ｏ ｔ ｅ ｐ ｏ ａｌ ｏ ｔ ｍ ｎ ｙ Ｓ ｎｄ ｓ ａ ｔ ａｓ ｄ ｎ ｈ Ａ ｒｉ ｒｉ ｇ ｒｉ ｈ ａ ａｌ ｓｉ ａ ｒｅ ｅ ｃ ， ｔ Ｓ ｐ ｐｅ ｐｏｉ ｓ ｕｔ ｔ ｅ ａｉ ｓ ａｒ ｈ ｈｉ ａ ｒ ｎｔ ｏ ｈ ｍ ｎ ｐ ｏ ｅ ｏ ｔ ｅ ｐ ｉ ａｔ ｏ ， ａ ｄ ｕｔ ｆ ｒ ａ ｔ ｅ ｍ ｒ ｅ ａｌ ｏ ｔ ｍ． Ｆｉ ａｌ Ｙ ｔ ｉ ａｌ ｏｒｉ ｈ ｗ ｒ ｂｌ ｍｓ ｎ ｈ ａ ｐｌ ｃ ｉ ｎ ｎ ｐ ｓ ｏ ｗ ｒｄ ｈ ｉ ｐ ｏｖ ｄ ｇ ｒｉ ｈ ｎ １， ｈＳ ｇ ｔ ｍ ａｓ ｕ ｅ ｔ ｔ ｅ ａ ａ ｄ ｃ ｔｉ ｍｉ ｎｇ ｔ ｒｏ ｇ ｔ ａ ｐｌ ｃ ｔｉ ｎ ｆ ｈ ａｌ ｏ ｔ ｏ ｍｉ ｎｇ ｈ ｅｄ ｃ ｔｉ ｎ ｓ ｄ ｏ ｈ ｄ ｔ ｅ ｕ ａ ｏｎ ｎｉ ， ｈ ｕ ｈ ｈｅ ｐ ｉ ａ ｏ ｏ ｔ ｅ ｇ ｒｉ ｈｍ ｔ ｎｉ ｔ ｅ ｕ ａ ｏ ｉｆｒ ｔｏ ｎ ｏ ｍａ ｉ ｎ， ｗ ｆ ｕ ｔ ｖ ｕ ｂｌ ｒ ｅｓ ｈｉ ｈ ｒｏ ｄｅ ｔ ｄ ｒ ｃ ｒ Ｓ ｇ ｆｉ ａ ｃ ｉ ｆｏ ｍａ ｏｎ ｏｒ ｅ ｏ ｎｄ ｈｅ ａｌ ａ ｅ ｕｌ ｗ ｃ ｐ ｖｉ ｄ ｈｅ ｉ ｅ ｔｉ ｅ ｉ ｎｉ ｃ ｎ ｅ ｎ ｒ ｔｉ ｆ ｔ ｅ ｕｃ ｔｉ ｎ ｅ Ｓｉ １ ｎ ｎ ｇｅ ｎ ｏｆ ｃ ｏ ． ｈｅ ｄ ａ ｏ ｄ ｃｉ ０１ ａ ｄ ｍａ ａ ｍｅ ｔ ｓ ｈ ｏ１