資源描述：
《基于單向fp-樹的最大頻繁項(xiàng)集挖掘》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、河南大學(xué)碩士學(xué)位論文基于單向FP-樹的最大頻繁項(xiàng)集挖掘姓名：宋晶晶申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：應(yīng)用數(shù)學(xué)指導(dǎo)教師：姜保慶20070501河南大學(xué)研究生碩士學(xué)位論文第1頁摘要數(shù)據(jù)挖掘是一門新興的交叉學(xué)科，涉及到數(shù)據(jù)庫技術(shù)、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)、模式識(shí)剔、神經(jīng)網(wǎng)絡(luò)、人工智能、數(shù)據(jù)可視化等多令領(lǐng)域。目前它已成為數(shù)據(jù)庫研究中最活躍、最令人興奮的領(lǐng)域之一。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘研究中一個(gè)重要的研究課題，其主要的研究目的是從大型數(shù)據(jù)庫中發(fā)現(xiàn)屬性間存在的隱藏的、有趣的關(guān)系。頻繁項(xiàng)集挖掘是關(guān)聯(lián)規(guī)剛挖掘的第一步，也是影響總體性能最關(guān)鍵的一步
2、，因此，本文的研究重點(diǎn)放在了頻繁項(xiàng)集挖掘上，研究內(nèi)容主要包括以下幾個(gè)部分：1．深入研究了兩個(gè)頻繁項(xiàng)集挖掘算法。一個(gè)是經(jīng)典FP—growth算法，它是基于FP．樹的無候選項(xiàng)集產(chǎn)生算法，開辟了有效挖掘頻繁模式的新途徑。另一個(gè)是范明提出的基于單向FP．樹的頻繁項(xiàng)集挖掘算法，該算法在挖掘過程中不生成條件模式樹。本文對(duì)比分析了FP．樹和單向FP．樹兩種樹結(jié)構(gòu)，總結(jié)了FP．growth算法存在的問題，以及單向FP．樹及其算法的優(yōu)勢。2．在第一部分研究的基礎(chǔ)上，參考最大頻繁項(xiàng)集挖掘算法FP．Max，設(shè)計(jì)了基于單向FP．樹的
3、最大頻繁項(xiàng)集挖掘算法UnidFP．Max。該算法是一個(gè)深度優(yōu)先算法。從算法分析和實(shí)驗(yàn)比較顯示：對(duì)于密集型數(shù)據(jù)，UnidFP．Max算法在時(shí)間和空間開銷上均小于FP．Max算法。3．參考頻繁閉項(xiàng)集挖掘算法CLOSET，設(shè)計(jì)了基于單向FP．樹的頻繁閉項(xiàng)集挖掘算法UnidFP．FCI。該算法是～個(gè)深度優(yōu)先算法。經(jīng)初步分撰可知：UnidFP．FCI算法妁效率會(huì)優(yōu)于CLOSET算法。關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則：頻繁項(xiàng)集；最大頻繁項(xiàng)集；頻繁閉項(xiàng)集；FP．樹；單向FP。樹第1I頁河南大學(xué)研究生碩士學(xué)位論文AbstractD
4、ataminingisayoungmultidisciplinaryfield，drawingworkfromareasincludingdatabasetechnology，machinelearning，statistics，patternrecognition，neuralnetworks，artificialintelligence，anddatavisualizationete．Nowadays，itisoneofthemostactiveandexcitingareasofthedatabaser
5、esearchcommunity．Associationruleisoneoftheimportantresearchareasindatamining．Itsgoatistodiscoverpreviouslyunknown，interestingrelationshipsamongattributesfromlargedatabases．Thefirststepforminingassociationrulesisminingfrequentitemsetwhichisalsothekeystepcani
6、nfluencethetotalminingperformance，Therefore。inthispaperweputtheemphasisonminingfrequentitemset．Themainresearchisasfoiiows：1．Thetwoalgorithmsforminingfrequentitemsetarethoroughlystudied．Oneistheclassicalalgorithm，F(xiàn)P—growth，whichleadsthewaytominingfrequentpat
7、ternswithoutcandidategenerationAnotheristhealgorithmproposedbyFanMingforminingfrequentitemsetinaunidirectionalFP—Tree，whichdoesn’tgenerateconditionalFP—treesinminingprocess．WecomparativelyanalyzethesimiliaritiesanddifferencesOfFP—TreeandunidirectionalFP-Tre
8、e．summarizetheproblemsonFP·growthandtheadvantagesinFanMin91salgorithm．2．BasedonforegoingresearchandcomparedwiththealgorithmFP—Max，weproposethealgorithmUnid—FP—Maxforminingmaximalfrequentitemsetinaunidi
