基于事务树操作的关联规则挖掘算法

关联规则挖掘问题是数据挖掘中的研究热点,该文定义了事务树等概念及相关操作,在此基础上给出了仅需扫描一次事务数据库生成关联规则的算法Tree-DM。它利用项目树记录扫描信息,通过项目树的交操作生成事务树,进而利用事务树的交操作逐步产生频繁事务树,该算法的显著特点是能在发现频繁项目集的同时发现这些频繁项目集出现在哪些事务中,并就Tree-DM的性能进行了分析。

基于事务树的最大频繁项集挖掘算法

针对Apriori算法在寻找频繁项集的过程中需多次扫描数据库、侯选项集过多、支持度计算过于复杂等问题,提出TT-Apriori算法。该算法将事务数据库转化成事务树,通过遍历事务树能直接快速地找到最大频繁项目集。简化支持度的计算,避免对整个数据库的扫描和大量的连接步骤,从而提高挖掘效率。

基于事务树的回溯频繁集数据挖掘算法

此算法主要利用事务数据库建立事务树的方法,由叶子结点反向回溯,导出频繁集。此方法不仅使数据挖掘过程的执行效率得到了很大的提高,而且大大的节省了存储空间。

一种基于事务规则树的高效关联规则挖掘算法

提出了基于事务规则树改进的关联规则快速挖掘算法——FG算法。该算法不需要查找频繁项集,可直接求出所有无冗余的关联规则;将FG算法与其他算法进行实验比较,结果表明,FG算法在效率上优于其他算法,是有效的、可行的关联规则挖掘算法。

事务模式树分层挖掘算法及其应用

从事务数据、时间序列数据等数据库中挖掘频繁模式已在数据挖掘领域中得到了广泛地研究 .针对目前已有的 Apriori算法和频繁模式增长算法在时间和空间等方面的复杂性和低效性 ,提出了一种新的数据结构——事务模式树 ,用来存放待挖掘的事务信息 ,同时给出一种基于该数据结构的挖掘算法——事务模式树分层挖掘算法 .最后 ,把该算法应用于保险业务 .结果表明 ,该算法简单高效 ,值得推广 .

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上,并建立这些结点的索引表,然后寻找结点索引表的最后结点到根结点的全部路径,这些路径及路径的交集包含了用于挖掘关联规则的频繁集.该算法只需扫描事务数据库一次,由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少.该算法可以挖掘中短模式的海量数据,具有很好的伸缩性,同时该算法具有增量挖掘的功能.通过大量的实验数据进行比较,该算法的速度约是Apriori算法的10倍.

基于事务模式树的分层挖掘算法的改进研究与分析

介绍了频繁模式挖掘的相关概念和基本定理,提出了基于事务模式树的分层挖掘算法。该算法首次提出并实现了可累加挖掘,并以实例分析进行了验证。

频繁项目集及相关事务集的挖掘算法

发现频繁项目集所关联的事务集是十分有意义的,它能使人们了解频繁项目集是由哪些顾客的购买行为所引起的。文章首先定义了事务树及其相关操作,在此基础上,设计了一种能在挖掘频繁项目集的同时发现项目集所在事务集的算法(FS-TS_DM),该算法具有仅需扫描一次事务数据库的特点。另外,还定义了“分散度”指标,用于指导“真频繁项目集”的挖掘。

基于事务驱动的管理信息系统的设计

为使企业管理信息系统的分析与设计能有效管理企业高度复杂的业务逻辑 ,适应业务环境的易变性 ,本文研究了事务驱动方法在管理信息系统特定领域分析中的应用 ,构造了一棵事务树 ,并讨论了构造事务树的算法。该事务树有助于确定管理信息系统特定领域模型中元素与设计空间中元素的对应关系。此外 ,还运用构件技术规划了管理信息系统中对象的运行模式 ,从而可为管理信息系统的重用和定制提供有力支持。

基于T-tree的最大频繁项目集挖掘算法

发现最大频繁项目集在关联规则挖掘中有着重要意义。通过已发现的最大频繁项目集,可容易地发现频繁项目集。提出了一种基于事务树(T-tree)的最大频繁项目集挖掘算法MFIA(Maximum Frequent Itemsets Algorithm),其挖掘过程中只需对数据库扫描一次,从而提高了最大频繁项目集的挖掘效率。

挖掘Web日志中的分类关联规则

用户分类是Web访问模式挖掘研究的一个重要任务。提出一种应用关联分类技术对Web用户进行分类的方法:首先通过对Web日志文件预处理得到训练事务数据集,然后从该事务集中挖掘分类关联规则,并利用所挖掘的规则集构建了一个分类器,从而实现了根据用户访问历史对用户进行分类。