一种改进的线性时间封闭项集挖掘算法

主流数据挖掘算法不能有效解决大规模数值数据集挖掘问题。提出了一种应用于大规模数值数据集改进的线性时间封闭项集挖掘(improved linear time closed item sets mining,ILCM)算法。ILCM算法使用能够提取属性共同变化量的渐进模式挖掘方法,借鉴LCM算法的前缀保留闭合扩展思想,通过深度优先搜索输出频繁封闭渐进项集结果。实验证明,相比传统挖掘算法,ILCM能够显著提高算法运行效率和降低内存空间占用;并且能够有效处理如DNA微阵列等实际大型数值数据集挖掘。

量化规则格及其渐进式构造

提取最小无冗余规则的关键是获取频繁封闭项集所对应的同交易项集集合中的最小项集.为了便于利用概念格提取这类规则.本文提出量化规则格,重点讨论在渐进构造格的过程中生成节点所对应的同交易项集中的最小项集的问题,并给出相应的算法.由于量化规则格和格节点对应的具有相同交易集的最小项集是渐进生成的,因此,它适合于从动态数据库中提取最小无冗余的关联规则并且可方便地实现规则的渐增更新.