两阶段高期望权重项集下闭合类Apriori挖掘算法

摘要：

针对不确定数据集中,高期望权值容易产生较大计算冗余的问题,提出一种两阶段高期望权重项集下闭合类Apriori挖掘算法.针对传统层次挖掘算法只采用项集上界,对高期望权值进行处理效果并不理想的问题,设计补充层次挖掘算法的下闭合特性,给出证明过程,该特性在保证精度前提下可有效降低候选项集处理量;构建两阶段数据挖掘过程,第一阶段,基于分层搜索方法获得一组候选项集的高期望权重项集,第二阶段,再次扫描数据库获得项集高期望权值,完成数据挖掘过程.在标准数据集上的仿真对比结果表明,该算法在保证算法精度的前提下,能够大幅提高算法计算效率.

关键词：两阶段、下闭合特性、类Apriori算法、高期望权重、数据挖掘

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61562006;广西教育厅高校科研基金项目YB2014417

在线出版日期：2016-12-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2738-2743,2768