基于频繁闭项集的关联分类算法研究

《基于频繁闭项集的关联分类算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、重庆大学硕士学位论文基于频繁闭项集的关联分类算法研究姓名：秦东霞申请学位级别：硕士专业：计算机软件与理论指导教师：李学明20090519重庆大学硕十学位论文中文摘要摘要随着信息技术的飞速发展，数据库应用的不断深化，数据挖掘已成为当今研究的热点。在数据挖掘的各个分支中，关联规则挖掘和分类挖掘是两个高度活跃的领域，其应用范围也非常广泛。关联规则和分类规则之间具有相似性。关联规则具有因果特性，关联规则的前件可以表示条件，关联规则的后件可以表示某种结果，当这种结果是类别时，关联规则就具有分类规则的特性，因此关联规则挖掘可与分类

2、挖掘技术相结合。基于关联规则的分类方法就是这种结合的新产物。但传统的关联分类方法都是基于一般频繁项的，这类方法往往产生大量的类关联规则，且存在大量冗余的规则，不利于分类器建立和使用。对此，本文提出了一种新的关联分类法ACc卜基于频繁闭项集的关联分类算法。本文首先阐述了关联规则和分类挖掘的相关理论和算法；其次介绍了传统的关联分类算法CBA和CMAR；接着介绍了频繁闭项集的概念，及高效挖掘频繁闭项集的CH删算法；最后详细论述了本文提出的新算法ACCF。ACCF算法基于频繁闭项集，这是因为频繁闭项集的数量远小于频繁项集，而且

3、通过频繁闭项集能得到所有的频繁项集，通过频繁闭项集产生的关联规则能得到所有的规则。ACCF算法也对以往的规则修剪和匹配方法进行了改进。在对UCI数据库中的18组数据的试验表明，ACCF能挖掘出高质量且不丢失信息的规则，能减少类关联规则数量，在精确度上也高于具有代表性的传统关联分类算法—CBA算法。关键词：关联规则挖掘，分类，关联分类算法，频繁项集，频繁闭项集重庆大学硕士学位论文英文摘要ABSTRACTWiththerapidlydeVelopmemofinfb肋ationindustrialization，me印pli

4、cationofdatabasede印eIlingquickly，DataMiIlinghasrecelltlybecomethehotspot．Ofeachbranchesofdatamimng，association锄dclaSsificationare觚oVe巧actiVefieldswitllbroadapplication．Andtherearesomecomparabili够be觚eeIlaSsociation觚dclaSsiflcationtofindstron酉yrelatiVeit锄sets．Soan

5、ewclassificationmethod—-classificationbaLsedonassociationwasproposed．HoweV％theapproachalsosufj衙s丘．0monem旬ordeEciency：a仃ainingdatasetoRengeneratesahugesetofmles，maIlyofwhichareredundant．Itischallen舀ngtobuildandusemeclassifi既AndanewalgorithmACCF：classificationbaSc

6、don丘弼ueIltclosedit锄setsisadVallcedinmisp印er．Firstly，tllisp叩erexploresmaintheo巧锄dalgoritllIIlsofaSsociationmleaIldclassification．Secondly’popularclassificationbasedonassociationalgo疗chmCBAandCMARarein仃0duced．Tllirdly，wediscussmeconc印tofcIosedpattenlandexteIld觚e行e

7、ctiVeclosed行equcIltpattenlminingmemod，CH删．TlleIl廿1isputf．onⅣardsaIldproposedtllenewalgoritl蚰ACCF：AssociatiVeClassi丘cationBasedonC10sedFrequemItemsets．ACCFbascdonmeconc印tofclosed仃equeIltpa牡enl．Sincethesetofdosed丘equentit锄setsc锄beordersofma鲥tlJdesmallertllaIlt11ec

8、ompletesetoffkquentit锄sets，anditcaIld甜vethewrholesetoff．requentit锄sets，alsotheassociationmlesgelleratedby厅equelltcloseditemsetsc锄d丽Vewhole硒sociation11lles．Thenewalgor