发明名称 |
一种基于总量控制的频繁项集数据挖掘方法 |
摘要 |
一种基于总量控制的频繁项集数据挖掘方法,包括数据预处理、设定总量控制指标M和选择因子、频繁项集总体数量生成、频繁一项集生成及循环处理五步骤,即根据需要设定频繁项集总量控制指标M,选择因子为候选项集序号的倒数,扫描数据库生成候选项集C,根据候选项集总数量N和总量控制指标M,确定频繁项集总体数量Q,进而确定频繁一项集数量Q<sub>1</sub>,根据k-1步频繁的k-1项集L<sub>k-1</sub>,按照Apriori_gen产生候选的k项集C<sub>k</sub>集,从而确定频繁k项集数量Q<sub>k</sub>,若候选项集只有一项,则直接定义为频繁项集。本发明采用总量控制和选择因子进行频繁项集数据挖掘,能够很好的进行频繁项集发现,发现的频繁项集质量上为支持度相对较高的那部分项集,而数量上则大幅度减少。 |
申请公布号 |
CN105279184A |
申请公布日期 |
2016.01.27 |
申请号 |
CN201410337670.2 |
申请日期 |
2014.07.16 |
申请人 |
鞍钢股份有限公司 |
发明人 |
柴明亮;张岩;刘宝权;宋君;秦大伟;李连成;许寒冰;吴萌;王奎越;金耀辉 |
分类号 |
G06F17/30(2006.01)I |
主分类号 |
G06F17/30(2006.01)I |
代理机构 |
鞍山华惠专利事务所 21213 |
代理人 |
赵长芳 |
主权项 |
一种基于总量控制的频繁项集数据挖掘方法,其特征在于,由以下五步构成:(1)数据预处理:根据数据挖掘应用的领域进行相应的归一化、奇异值剔除数据预处理,按照Apriori_gen算法计算候选各项集数量;(2)确定总量控制指标M和选择因子:根据数据挖掘的需要,设定频繁项集总量控制指标M,选择因子为候选项集序号的倒数,总量控制指标M是进行频繁项集数据挖掘感兴趣的频繁项集范围大小,选择因子为调控指标;(3)频繁项集总体数量生成:扫描数据库生成候选项集C,根据候选项集总数量N和总量控制指标M,确定频繁项集总体数量Q=N×M,若出现小数,则按照向上取整原则,进而根据Q的数量来确定频繁项集数量;(4)频繁一项集生成:根据频繁项集总体数量Q和选择因子确定频繁一项集数量Q<sub>1</sub>=N×M×(1/N<sub>1</sub>),其中,N<sub>1</sub>为候选一项集数量;(5)循环处理:第k步,根据k‑1步频繁的k‑1项集L<sub>k‑1</sub>,按照Apriori_gen产生候选的k项集C<sub>k</sub>集,根据候选k项集数量N<sub>k</sub>,确定频繁k项集数量Q<sub>k</sub>=N×M×(1/N<sub>k</sub>),进而根据Q<sub>k</sub>的数量确定频繁k项集,若出现候选项集只有一项,则直接定义为频繁项集。 |
地址 |
114021 辽宁省鞍山市铁西区鞍钢厂区内 |