基于决策属性的关联规则挖掘.pdf

《基于决策属性的关联规则挖掘.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第28卷第1期大连交通大学学报Voi.28No.12007年3月JOURNALOFDALIANJIAOTONGUNIVERSITYMar.2007文章编号：1673-9590（2007）01-0062-04基于决策属性的关联规则挖掘伊卫国，赵波（大连交通大学软件学院，辽宁大连116052）＊摘!要：针对具有决策属性的数据库模型，提出了高效挖掘关联规则算法，即矩阵划分算法：根据决策属性将扫描后的数据库划分成两个包含不同决策属性的矩阵，分别采用向量法挖掘频繁项目集.关联规则的生成可充分利用“与”运算的优点，查找规则前件或后件

2、的支持度.所提出的算法减少了候选二项频集的生成，以及“与”运算的大小，与apriori算法及传统的向量法挖掘关联规则相比，效率明显提高.关键词：数据挖掘；向量法；关联规则；矩阵划分中图文分类号：TP311.13文献标识码：AMiningBasedonAssociationRulesofDecisionPropertyYIWei-guo，ZHAOBo（SchooiofSoftware，DaiianJiaotongUniversity，Daiian116052，China）Abstract：Thispaperputsforw

3、ardefficientaigorithmaccordingtothedatabasemodeithathasdecisionpropertytomineassociationruies.Aigorithmofmatrixpartition：thedatabaseisdividedintotwomatrixesthatcontaindifferentproperty，andusevectortominefreguentitemsets.Pro-ducingofruiescanmakeuseoftheadvantageof

4、“and”operationtofindsupportoftheante-cedentortheconseguent.Thisaigorithmreducedtheproductionofcandidatetwo-itemsetsandamountofoperation.Comparetoaprioriandothertraditionaiaigorithm，theadvantageofaigo-rithmefficiencyrisesobviousiy.Keywords：datamining；vector；associ

5、ationruie；matrixpartition［1］关联规则是发现数据库中不同项之间的联系.其中，Apriori算法是最经典的关联规则挖掘算法.［2］它是由R.Agrawai等人首先提出的.随着数据库的不断增大，如何提高关联规则挖掘算法的效率一直是专家、学者的研究方向之一.［3-6］［7-8］目前，关联规则的研究主要包括提高算法的效率，对挖掘出的规则的有趣性进行分析，及关［9-10］联规则的维护等.其算法的分析所采用的数据库模型，绝大多数是交易数据库.针对其他数据库模型而提出的高效算法相对较少.本文针对具有决策属性的

6、数据库模型，提出了一种高效的关联规则挖掘算法，该算法结合向量法挖掘关联规则的优点，其效率明显提高.1问题描述1"1向量法挖掘关联规则的基本思想本文结合文献［1］的向量法挖掘关联规则的思想来挖掘具有决策属性的数据库.首先，给出文献＊收稿日期：2006-03-05作者简介：伊卫国（1979-），男，助教，硕士.第1期伊卫国等：基于决策属性的关联规则挖掘63［1］的两个定义和引理：（1）元向量：由数据库直接扫描得到的项目向量权称元向量.（2）导出向量：由若干元向量经过简单运算后得到新的向量权称导出向量.引理!广义向量运算：等维

7、数向量“与”运算等于维中各元素分别进行“与”运算.用“八”表示“与”运算.则该引理用数学语言表述为：X=［a1，a2，a3，⋯，an］Y=［b1，b2，b3，⋯bn］则：X八Y=［a1八b1，a2八b2，a3八b3，⋯an八bn］文献［1］的向量法挖掘关联规则的基本思想：将包含m个事务，n个项目的数据库构造成n个长度为m的向量.用xi表示第i个项目的元向量，xij表示第i个项目在第j次事务中的出现与否，如果出现xij=1，否则xij=0（即xijE｛0，1｝，i＜n，j＜m）.项目集的长度是指项目集中包含项目的个数.构造

8、一个转T置向量t=［1，1，1，1⋯1］m，利用矩阵乘法xi＊t=w计算xi中1的个数，即第i个项目在全部事务中出现的总次数w.若w