Apriori算法的研究与改进
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
最 为经典 的算 法 ， 它首 先 通 过 最 小 支 持 度 获取 事 务
建两 个支 持度 矩 阵分别 挖掘频 繁 二项集 和最 大频 繁
项集 ， 其时 间和 空 间代 价 较 大 ； 献 Ｉ ］在 由频 繁 ｋ 文 － ６ 项 集 连接 生成候 选 ｋ＋ １项 集 时效 率较 低 且会 生 成 错误 频繁 项 。 文在 减少 扫描数 据 库次数 的基 础上 ， 本
Ｖｅ ． ０ Ｎｏ ３ １２ ．
Ｓ ｐ． ２０１ ｅ １
２１ ０ １年 ９月
Ｉ Ｉ１ ． ９ ９ｉｉ ｎ １ ７—６ ５ ２ １ ． ３ ０ ６ Ｎ） ：０ ３ ６ ／．ｓ ． ６ ２６ ８ ． ０ １ ０ ． ０ ｓ
Ａ ｒｏｉ 法 的研 究 与 改 进 ｐ ｉｒ 算
陈 宜荣
（ 徐州经 贸高等职业学校 信息系 ， 江苏 徐州 ２ １０ ） ２ ０ ４
摘
要 ： 绍 关联规 则挖 掘 中的 经典 算 法—— Ａｐ ｉｒ 算 法 的关键 思 想 。针 对 传 统 Ａｐ ｉｒ 算 法 效 介 ｒ ｉ ｏ ｒ ｉ ｏ
率上 的不足 ， 出改进 Ａｐｉｒ 算 法 。该 算 法通 过 构 造辅 助表 ， 少访 问表 中 的无 效 记 录 ， 而 减 提 ｒ ｉ ｏ 减 从 少每 次访 问数据 库 的次数 ， 好地提 高 了效 率 。 实验 结果 表 明 ， 较 改进 后 的算 法具有 较好 的有 效性 。 关 键词 ： ｒ ｒ 算 法 ； Ａｐ ｉ ｉ ｏ 改进 ； 助表 ； 辅 仿真
ｔ ｇ ｆ Ａｐ ｉ ｒ ａ ｇ ｒｔ ｍ ，ｏ ｒ ａ ｇ ｒｔ ｍ ｅ ｅ ａ ｅ ｉ ａ ｌ ｓ ｔ ｖ ｉ ｓ ｌ ｓ ａ ａ ｎ ｅ ｕ ｅ ａ ｅ ｏ ｒｏ ｉ ｌ ｏ ｉｈ ｕ ｌ ｏ ｉｈ ｇ ｎ ｒ ｔ ｓ ａｄ ｔ ｂ ｅ ｏ ａ ｏ ｄ ｕ ｅ ｅ ｓ ｄ ｔ ，ａ ｄ ｄ ｄ ｃ ｓ ｔ ｅ ｔ ｓ ｏ ａ ａ ａ ｅ ｖ ｓｔｎ ｈ ｉ ｍｅ ｆｄ ｔ ｂ ｓ ｉｉｉ ｇ，Ｓ ｔｉ ｏ ｅ ｅ ｆｃｅ ｔ ｃ ｍｐ ｒ ｄ ｗｉｈ ｔ ｅ ｔａ ｉｉ ｎ ｌｏ ｅ Ｅｘ ｅ ｉ Ｏ ｉ ｓ ｍ ｒ ｆｉｉ ｎ ｏ ａ ｅ ｔ ｈ ｒ ｄ ｔ ａ ｎ ． ｏ ｐ ｒ — ｍｅ ｔｒｓ ｌ ｓ ｏ ｈ ｔｔ ｅｎ ｗ ｌ ｏ ｉ ｍ ｕ ｐ ｒｏ ｍｓｔ ｅ ｆ ｒ ｅ ｎ ，ａ ｄ ｇ ｔ ｏ ｄ ｐ ａ ｔ ａｉ ． ｎ ｅ ｕｔ ｈ ｗｓ ｔ ａ ｈ ｅ ａｇ ｒ ｈ ｏ ｔ ｅ ｒ ｈ ｏ ｍ ｒｏ ｅ ｎ ｅ ｓａ ｇ ｏ ｒ ｃｉ ｌ ｙ ｔ ｆ ｃ ｔ
中 图分类 号 ： ３ １ ６ ＴＰ ０ ． 文献 标识 码 ： Ａ 文章编 号 ： ６ ２６ ８ （ ０ １ ０ —０ ３０ １ ７ —６ ５ ２ １ ） ３０ ２ —４
Ｓ ｕ ｙ ａ ｍ ｐｒ ｖ ｍ ｅ ｆ Ａｐｒ ｏ ｉＡｌ ｏ ｉｈｍ ｔ ｄ ｎｄ Ｉ ｏ ｅ ｎｔｏ ｉ ｒ ｇ ｒ ｔ
第 ２ Ｏ卷
第 ３期
淮海工学院学报 （ 自然科学版）
Ｊ ｕ ｎ ｌ ｆＨ ａｈ ｉ ｎ ｔｔ ｔ ｆＴｅ ｈ ｏ ０ ｙ Ｎａ ｕ ａ Ｓ ｉ ｃ ｄｔ ｎ ｒ ａ ｏ ｕ ｉ ａ ｓ ｉｕ ｅ ｏ ｃ ｎ ｌ ｇ （ ｔ ｒｌ ｃ ｎ ｅＥ ｉ ｏ ） ｏ Ｉ ｅ ｉ
ａ ｓ ｉ ｔｏｎ ｒ ｅ ｎ ｎ ｓ ｏｃａ ｉ ｕｌｓ ｍｉ ｉ ｇ，ａ ｏｐ ｓ ｓ ａ ｉ ｎｄ ｐｒ ｏ ｅ ｎ ｍｐｒ ｖｅ ｏ ｄ Ａｐｒｏ ｉ ｌ ｏｒｔ ｍ ．Ｉ ｒ ｓ ｅ ｔｔ ｈｅｄｉａ ａ ｉ ｒ ｇ ｉｈ ａ ｎ ｅ ｐ ｃ Ｏ ｔ ｓ ｄｖ ｎ—
Ｋｅ ｒ ：Ａｐｒｏ ｉａ ｇ ｒｔ ｙ ｗｏ ｄｓ ｉ ｒ ｌ ｏ ｉｈｍ ；ｉ ｍｐｒ ｖｅ ｎｔ ｉ ａ ｅ；ｓｍｕ ａ ｉ ｎ ｏ ｍｅ ；ａ ｄ ｔ ｂｌ ｉ ｌ ｔｏ
关 联分 析在 商业 、 电信 、 业 、 农 医学 、 教育 、 融 金 等领 域有 着广 泛 的应 用 。 ｒ ｒ算法 ［ 是关 联 分析 Ａｐ ｉ ｉ ｏ １
度 ［ ， Ａｐｉｒ 算法 中 ， 个 过 程需 频 繁扫 描 数 据 ３在 ］ ｒ ｉ ｏ 这 库， 因此会 耗 费大量 时 间Ｌ 。 ４ ］
数 ， 而提 高挖 掘频 繁项 的效 率 。 从
本 文第 １ 分介 绍 Ａｐｉｒ算 法 ， ２部 分详 细 部 ｒ ｉ ｏ 第
介 绍 改进 的 Ａｐ ｉｒ算 法 的 流程 ， 以实 例说 明 。 ｒ ｉ ｏ 且 第 ３部分测 试新 算法 的性 能 ， ４部分 给 出结论 。 第
通 过 生成 辅助 表减 少访 问数据 库表 中无 效记 录 的次
数据 库 中所有 频繁 项 ， 后 再 通 过 最 小 置 信度 挖 掘 然
关 联 规则 ［ ， 频 繁 项 的获 取 是关 联 规 则 挖 掘 的关 ２而 ］
键 ， 计算 复 杂度决 定 了整 个 挖 掘 算 法 的 时 间复 杂 其
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ｔｈ ｓ ｐ ｐ ｒ ｉ ｔ ｏ ｕ ｅ ｈ ｒｎ ｉ ｌ ｆｔ ｅ Ａｐ ｉ ｒ ａ ｇ ｒｔ ｍ ，ｔ ｅ ｃ ａ ｓｃ ｌ ｌ ｏ ｉｈ ｏ ｉ ａ ｅ ｎ ｒ ｄ ｃ ｓ ｔ ｅ ｐ ｉ ｃｐ ｅ ｏ ｈ ｒｏ ｉ ｌ ｏ ｉ ｈ ｈ ｌ ｓ ｉａ ｇ ｒｔ ｍ ｆ ａ
ＣＨＥＮ — ｏ Ｙｉｒ ｎｇ
（ ｐ ．ｏ ｎ ｏ ｍａｉｎ Ｄｅ ｔ ｆＩｆ ｒ ｔ ，Ｘｕ ｈ ｕＡｄ ａ ｃｄ Ｖｏ ａｉｎ ｌＳ ｈ ｏ ｆＥｃ ｎ ｍｉ ＆ Ｔｒｄｎ 。Ｘｕ ｈ ｕ２ １ ０ ｏ ｚ ｏ ｖ ｎ ｅ ｃ ｔ ａ ｃ ｏ ｌ ｏ ｏ ｃ ｏ ｏ ａ ｉｇ ｚ ｏ ２ ０ ４，Ｃｈｎ ） ｉａ
建两 个支 持度 矩 阵分别 挖掘频 繁 二项集 和最 大频 繁
项集 ， 其时 间和 空 间代 价 较 大 ； 献 Ｉ ］在 由频 繁 ｋ 文 － ６ 项 集 连接 生成候 选 ｋ＋ １项 集 时效 率较 低 且会 生 成 错误 频繁 项 。 文在 减少 扫描数 据 库次数 的基 础上 ， 本
Ｖｅ ． ０ Ｎｏ ３ １２ ．
Ｓ ｐ． ２０１ ｅ １
２１ ０ １年 ９月
Ｉ Ｉ１ ． ９ ９ｉｉ ｎ １ ７—６ ５ ２ １ ． ３ ０ ６ Ｎ） ：０ ３ ６ ／．ｓ ． ６ ２６ ８ ． ０ １ ０ ． ０ ｓ
Ａ ｒｏｉ 法 的研 究 与 改 进 ｐ ｉｒ 算
陈 宜荣
（ 徐州经 贸高等职业学校 信息系 ， 江苏 徐州 ２ １０ ） ２ ０ ４
摘
要 ： 绍 关联规 则挖 掘 中的 经典 算 法—— Ａｐ ｉｒ 算 法 的关键 思 想 。针 对 传 统 Ａｐ ｉｒ 算 法 效 介 ｒ ｉ ｏ ｒ ｉ ｏ
率上 的不足 ， 出改进 Ａｐｉｒ 算 法 。该 算 法通 过 构 造辅 助表 ， 少访 问表 中 的无 效 记 录 ， 而 减 提 ｒ ｉ ｏ 减 从 少每 次访 问数据 库 的次数 ， 好地提 高 了效 率 。 实验 结果 表 明 ， 较 改进 后 的算 法具有 较好 的有 效性 。 关 键词 ： ｒ ｒ 算 法 ； Ａｐ ｉ ｉ ｏ 改进 ； 助表 ； 辅 仿真
ｔ ｇ ｆ Ａｐ ｉ ｒ ａ ｇ ｒｔ ｍ ，ｏ ｒ ａ ｇ ｒｔ ｍ ｅ ｅ ａ ｅ ｉ ａ ｌ ｓ ｔ ｖ ｉ ｓ ｌ ｓ ａ ａ ｎ ｅ ｕ ｅ ａ ｅ ｏ ｒｏ ｉ ｌ ｏ ｉｈ ｕ ｌ ｏ ｉｈ ｇ ｎ ｒ ｔ ｓ ａｄ ｔ ｂ ｅ ｏ ａ ｏ ｄ ｕ ｅ ｅ ｓ ｄ ｔ ，ａ ｄ ｄ ｄ ｃ ｓ ｔ ｅ ｔ ｓ ｏ ａ ａ ａ ｅ ｖ ｓｔｎ ｈ ｉ ｍｅ ｆｄ ｔ ｂ ｓ ｉｉｉ ｇ，Ｓ ｔｉ ｏ ｅ ｅ ｆｃｅ ｔ ｃ ｍｐ ｒ ｄ ｗｉｈ ｔ ｅ ｔａ ｉｉ ｎ ｌｏ ｅ Ｅｘ ｅ ｉ Ｏ ｉ ｓ ｍ ｒ ｆｉｉ ｎ ｏ ａ ｅ ｔ ｈ ｒ ｄ ｔ ａ ｎ ． ｏ ｐ ｒ — ｍｅ ｔｒｓ ｌ ｓ ｏ ｈ ｔｔ ｅｎ ｗ ｌ ｏ ｉ ｍ ｕ ｐ ｒｏ ｍｓｔ ｅ ｆ ｒ ｅ ｎ ，ａ ｄ ｇ ｔ ｏ ｄ ｐ ａ ｔ ａｉ ． ｎ ｅ ｕｔ ｈ ｗｓ ｔ ａ ｈ ｅ ａｇ ｒ ｈ ｏ ｔ ｅ ｒ ｈ ｏ ｍ ｒｏ ｅ ｎ ｅ ｓａ ｇ ｏ ｒ ｃｉ ｌ ｙ ｔ ｆ ｃ ｔ
中 图分类 号 ： ３ １ ６ ＴＰ ０ ． 文献 标识 码 ： Ａ 文章编 号 ： ６ ２６ ８ （ ０ １ ０ —０ ３０ １ ７ —６ ５ ２ １ ） ３０ ２ —４
Ｓ ｕ ｙ ａ ｍ ｐｒ ｖ ｍ ｅ ｆ Ａｐｒ ｏ ｉＡｌ ｏ ｉｈｍ ｔ ｄ ｎｄ Ｉ ｏ ｅ ｎｔｏ ｉ ｒ ｇ ｒ ｔ
第 ２ Ｏ卷
第 ３期
淮海工学院学报 （ 自然科学版）
Ｊ ｕ ｎ ｌ ｆＨ ａｈ ｉ ｎ ｔｔ ｔ ｆＴｅ ｈ ｏ ０ ｙ Ｎａ ｕ ａ Ｓ ｉ ｃ ｄｔ ｎ ｒ ａ ｏ ｕ ｉ ａ ｓ ｉｕ ｅ ｏ ｃ ｎ ｌ ｇ （ ｔ ｒｌ ｃ ｎ ｅＥ ｉ ｏ ） ｏ Ｉ ｅ ｉ
ａ ｓ ｉ ｔｏｎ ｒ ｅ ｎ ｎ ｓ ｏｃａ ｉ ｕｌｓ ｍｉ ｉ ｇ，ａ ｏｐ ｓ ｓ ａ ｉ ｎｄ ｐｒ ｏ ｅ ｎ ｍｐｒ ｖｅ ｏ ｄ Ａｐｒｏ ｉ ｌ ｏｒｔ ｍ ．Ｉ ｒ ｓ ｅ ｔｔ ｈｅｄｉａ ａ ｉ ｒ ｇ ｉｈ ａ ｎ ｅ ｐ ｃ Ｏ ｔ ｓ ｄｖ ｎ—
Ｋｅ ｒ ：Ａｐｒｏ ｉａ ｇ ｒｔ ｙ ｗｏ ｄｓ ｉ ｒ ｌ ｏ ｉｈｍ ；ｉ ｍｐｒ ｖｅ ｎｔ ｉ ａ ｅ；ｓｍｕ ａ ｉ ｎ ｏ ｍｅ ；ａ ｄ ｔ ｂｌ ｉ ｌ ｔｏ
关 联分 析在 商业 、 电信 、 业 、 农 医学 、 教育 、 融 金 等领 域有 着广 泛 的应 用 。 ｒ ｒ算法 ［ 是关 联 分析 Ａｐ ｉ ｉ ｏ １
度 ［ ， Ａｐｉｒ 算法 中 ， 个 过 程需 频 繁扫 描 数 据 ３在 ］ ｒ ｉ ｏ 这 库， 因此会 耗 费大量 时 间Ｌ 。 ４ ］
数 ， 而提 高挖 掘频 繁项 的效 率 。 从
本 文第 １ 分介 绍 Ａｐｉｒ算 法 ， ２部 分详 细 部 ｒ ｉ ｏ 第
介 绍 改进 的 Ａｐ ｉｒ算 法 的 流程 ， 以实 例说 明 。 ｒ ｉ ｏ 且 第 ３部分测 试新 算法 的性 能 ， ４部分 给 出结论 。 第
通 过 生成 辅助 表减 少访 问数据 库表 中无 效记 录 的次
数据 库 中所有 频繁 项 ， 后 再 通 过 最 小 置 信度 挖 掘 然
关 联 规则 ［ ， 频 繁 项 的获 取 是关 联 规 则 挖 掘 的关 ２而 ］
键 ， 计算 复 杂度决 定 了整 个 挖 掘 算 法 的 时 间复 杂 其
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ｔｈ ｓ ｐ ｐ ｒ ｉ ｔ ｏ ｕ ｅ ｈ ｒｎ ｉ ｌ ｆｔ ｅ Ａｐ ｉ ｒ ａ ｇ ｒｔ ｍ ，ｔ ｅ ｃ ａ ｓｃ ｌ ｌ ｏ ｉｈ ｏ ｉ ａ ｅ ｎ ｒ ｄ ｃ ｓ ｔ ｅ ｐ ｉ ｃｐ ｅ ｏ ｈ ｒｏ ｉ ｌ ｏ ｉ ｈ ｈ ｌ ｓ ｉａ ｇ ｒｔ ｍ ｆ ａ
ＣＨＥＮ — ｏ Ｙｉｒ ｎｇ
（ ｐ ．ｏ ｎ ｏ ｍａｉｎ Ｄｅ ｔ ｆＩｆ ｒ ｔ ，Ｘｕ ｈ ｕＡｄ ａ ｃｄ Ｖｏ ａｉｎ ｌＳ ｈ ｏ ｆＥｃ ｎ ｍｉ ＆ Ｔｒｄｎ 。Ｘｕ ｈ ｕ２ １ ０ ｏ ｚ ｏ ｖ ｎ ｅ ｃ ｔ ａ ｃ ｏ ｌ ｏ ｏ ｃ ｏ ｏ ａ ｉｇ ｚ ｏ ２ ０ ４，Ｃｈｎ ） ｉａ