主权项 |
1.一种基于模式挖掘的噪音数据过滤方法,其特征在于该方法首先建立由词袋数据集D构成的预处理数据结构FP树,该FP树包含了词袋数据集及其相应的事物数据集;其次,根据FP-2INF算法,最终将所有2-项集兴趣模式添加到兴趣模式集L中,完成噪音数据过滤;具体步骤如下:1)预处理输入数据集;输入数据由二元组<i><Word_ID, Frequency></i>的词袋数据集组成的<i>Word_ID</i>-<i>Instance</i>矩阵,该矩阵每一行由<i>Word_ID</i>及其相关的实例数据构成,进而转化为构建FP树的事务数据集;2)根据预处理的数据集,通过频繁集中频率降序的顺序建立FP树,设立基于2-项集余弦相似度兴趣模式噪音数据挖掘的参数<i>min_supp</i>、<i>min_cos</i>;3)使用算法FP-2INF,将FP树分成前缀路径FP树P和多缀路径FP树Q,算法开始试图寻找单路径树,遍历单路径树P上的任意2-项集<i>β</i>∪<i>α</i>,如果满足cos(<i>β</i>∪<i>α</i>)<i>≥min_cos</i>兴趣模式,则将其添加至兴趣模式集L中;在多缀路径树Q中,对路径上的任意元素:若为单项集,建立条件模式基及条件FP树<i>Treeβ</i>,对非空的FP树<i>Treeβ</i>继续FP-2INF迭代;否则,对满足2-项集模式且符合余弦相似度条件的2-项集添加至兴趣模式集L中;4)根据FP-2INF返回的2-项集余弦相似度兴趣模式,比较数据集D和模式集L中的数据;对于任意数据<img file="475537DEST_PATH_IMAGE001.GIF" wi="11" he="42" />而言,如果存在<img file="392677DEST_PATH_IMAGE002.GIF" wi="68" he="21" />则<img file="172414DEST_PATH_IMAGE001.GIF" wi="11" he="42" />即为被兴趣模式过滤的噪音数据,完成噪音数据过滤。 |