資源描述：
《基于fp-tree最大頻繁模式超集挖掘算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)位論文獨創(chuàng)性聲明本人承諾：所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下所取得的研究成果。論文中除特別加以標(biāo)注和致謝的地方外，不包含他人和其他機構(gòu)已經(jīng)撰寫或發(fā)表過的研究成果，其他同志的研究成果對本人的啟示和所提供的幫助，均已在論文中做了明確的聲明并表示謝意。學(xué)位論文作者簽名：學(xué)位論文版權(quán)的使用授權(quán)書本學(xué)位論文作者完全了解遼寧師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，及學(xué)校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交復(fù)印件或磁盤，允許論文被查閱和借閱。本文授權(quán)遼寧師范大學(xué)，可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫并進行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文，并且本人
2、電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。保密的學(xué)位論文在解密后使用本授權(quán)書。學(xué)位論文作者簽名：≥秀指導(dǎo)教師簽名：簽名日期：1∥，廠年／月，／日遼寧師范大學(xué)碩士學(xué)位論文摘要自上世紀(jì)80年代數(shù)據(jù)挖掘被提出以來，人們就開始不斷研究探索，希望找到高效準(zhǔn)確的數(shù)據(jù)挖掘方法，來幫助解決數(shù)據(jù)量龐大而計算能力有限這一矛盾。數(shù)據(jù)與數(shù)據(jù)間存在著潛在的聯(lián)系，數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫中存在的一類重要的可被發(fā)現(xiàn)的知識。1993年，Agrawal等提出了挖掘數(shù)據(jù)庫中項集間的關(guān)聯(lián)規(guī)則問題，自此諸多研究人員對關(guān)聯(lián)規(guī)則的挖掘問題進行了大量的研究，并且提出了很多的經(jīng)典算法。大部分算法在執(zhí)行過程中多次掃描數(shù)據(jù)庫，
3、并產(chǎn)生大量的候選集，造成了時間和存儲空間的浪費。本文在FP．growth算法基礎(chǔ)上，對最大頻繁模式挖掘算法進行了深入的研究，主要工作如下：1．構(gòu)造條件頻繁模式樹。掃描事務(wù)數(shù)據(jù)庫，將頻繁項目集壓縮成一棵頻繁模式樹，保留項目集之間的關(guān)聯(lián)信息。在把每個事務(wù)中的頻繁項目集插入到FP．tree的過程中，采用動態(tài)指針來實現(xiàn)，提高存儲空間利用率。2．改進的最大頻繁模式樹(MMFIT)。MFIT中每條從根結(jié)點出發(fā)到某個葉結(jié)點的路徑表示了一個全局最大頻繁項集，中間結(jié)點所記錄的是該結(jié)點到根結(jié)點的路徑長度，在超集檢測時，可以通過項頭表快速地訪問到包含待測項集的最大頻繁項集對應(yīng)的路徑，然
4、后自底向上與待測項目集進行依次項目匹配。此算法無需產(chǎn)生大量的候選集，同時減少數(shù)據(jù)集掃描次數(shù)，降低數(shù)據(jù)庫遍歷時間。實驗證明，此算法在降低候選項目集冗余度的同時有效提高了算法運行效率。隨著信息技術(shù)的發(fā)展，數(shù)據(jù)挖掘技術(shù)的應(yīng)用將更為廣泛。它為人們在實際商業(yè)活動提供了許多幫助，對銀行業(yè)、銷售業(yè)及其他商業(yè)活動等行為具有很高的指導(dǎo)意義。在未來的工作中，應(yīng)將更多的重點轉(zhuǎn)移到如何利用數(shù)據(jù)挖掘技術(shù)為生產(chǎn)生活服務(wù)。關(guān)鍵詞：關(guān)聯(lián)規(guī)則；頻繁模式；FP．tree；FP．growth；IFP．tree基于FP-tree的最大頻繁模式超集挖掘算法TheAlgorithmofMaximumMini
5、ngFrequentSupersetsbasedontheFP．treeAbstractDatamining(DM)，arisinginthe1980s，isconstantlystudiedinordertosolvetheproblemthatdatavolumeisSOenormouswithoutgoodqualityinvariably．Therearesomepotentiallinksbetweenthedata．Inthedatabaseitexistaclassofimportantknowledgethatcanbefound．1993，Agr
6、awalproposedminingassociationrulesbetweenitemsinthedatabase．Sincethen．manyresearchersdidalotofresearchaboutminingassociationrules，andmadealotoftheclassicalgorithm．Manyofthesealgorithmshavetheirdrawbackinthefurtherresearch，whichCanproduceS0manycandidatesetsafterscanningthedatabaserepea
7、tedlythattherewillbethewasteofbothtimeandmemoryspace．Tosolvethedrawback，Han謝thhisresearchfellowspresentsaFP—growthalgorithm．ThisthesisgivesanewideaunderthefoundationofFP—growthalgorithm．1．SturctureIFP—tree．Scanthedatabase，thefrequentitemsetscompressedintoaFP·tree，whichretaintheassocia
8、tionb
