一种基于矩阵的频繁项集更新算法

针对相关算法在处理频繁项集更新时所存在的问题,提出了一种基于矩阵的频繁项集更新算法。该算法首先以时间为基准将更新后的数据库分为原数据库和新增数据库,分别将它们转换为0-1矩阵,通过矩阵裁剪、位运算产生新增频繁项集,并利用已有频繁项集更新原有频繁项集。实验仿真结果不但证明了该算法的可行性和高效性,而且还证明了它适合大型、稠密性数据库的频繁项集更新。

关联规则增量式更新算法

讨论了关联规则的更新问题,对关联规则的增量式更新算法IUA进行了分析,指出了其存在的问题和出现问题的原因,提出了一种改进的关联规则更新算法UA,对各种情况下关联规则的更新问题进行了讨论,说明了其均可以转化为数据库不变、支持度改变的情况来讨论,UA算法在充分利用原有信息的基础上,提高了算法的效率。

一种更新关联规则的方法

数据挖掘中IUA算法存在遗漏频繁项目集致使有的关联规则挖掘不出来的问题,在分析Apriori算法、IUA算法等经典关联规则挖掘算法的基础上,提出了一种基于最近挖掘结果的更新算法HIUA。HIUA算法吸收了Apriori算法和IUA算法的优点,在改变最小支持度和基于最近挖掘结果的条件下,从生成尽可能少的候选项目集考虑,从而得到完整的新频繁项目集,提高了算法的效率。

云计算模型中关联规则增量更新方法

为了适应真实环境中数据量大、流程复杂、计算密集的数据挖掘需求,为提高关联规则增量更新挖掘效率,改变已有算法的串行执行方式,提出了一种基于云计算模型的关联规则增量更新方法,以解决海量数据挖掘问题。介绍了云计算相关概念、模型与执行流程等,提出一种单节点环境下的关联规则增量更新算法IUM(incremental updating mining),基于云计算模型设计新的关联规则增量更新算法CIUM(cloud incremental updating mining)完成增量挖掘工作。实验结果表明,并行算法有效可行,具有高效性与良好的扩展率,能够有效针对海量数据进行更新挖掘。

维护关联规则的算法研究

提出了维护更新问题的背景,将维护更新问题分为4种情况进行研究.详细介绍了各种情况相应的维护关联规则的增量更新算法,并对其进行了分析与评价,指出了算法的优点和不足,提出了今后研究的方向.

约束关联规则的增量式维护算法

关联规则的挖掘是一个重要的数据挖掘问题 ,在关联规则的挖掘过程中加入约束条件 ,是实现用户参与挖掘的一种方式 .在有约束的关联规则挖掘过程中 ,用户会不断调整约束条件 ,并要求更新挖掘结果 .针对这种情况 ,提出了约束关联规则的增量式维护算法 Separate M,当约束条件发生变化时 ,在原有挖掘结果的基础上实现增量式更新 ,较重新运行 Separate算法而言 ,减小了搜索空间 ,节约了时间 。

二次挖掘的关联规则增量更新算法

针对事务数据库的内容不断增加后相应关联规则的更新问题,提出了一种二次挖掘的关联规则增量更新算法(TMIUA)。TMIUA算法充分利用第一次挖掘得到的原数据库中的频繁项集,对新增数据库挖掘得到新增频繁项集;只需对原事务数据库扫描一遍,提高了关联规则的更新效率;并与已有的FUP算法进行了分析比较。

一种关联规则增量更新算法

关联规则是数据挖掘领域的一个重要分支,而发现频繁项目集是关联规则数据挖掘中的关键问题。频繁项目集是在给定的交易数据库D下满足最小支持度和最小置信度下的一个项目集合,但随着数据集的增减,就会产生不同的频繁项目集。如何发现在数据集变化情况下频繁项目集快速和高效地更新是文中解决的问题。为此提出了一种改进的增量更新算法,实验结果表明此算法有较好的效果。

一种有效的关联规则增量式更新算法

本文针对在事务数据库不变 ,最小支持度和最小可信度发生变化的情况下 ,如何进行关联规则的维护问题进行了研究 。

一种高效的增量更新约束关联规则挖掘算法的研究

约束关联规则挖掘是根据用户提出的各种约束条件从交易数据库中挖掘出用户感兴趣的关联规则。该文针对目前提出的诸多约束关联挖掘算法只适应于静态数据库的情况,且挖掘出的约束关联规则存在效率低等缺点,提出一种基于倒排索引树的增量更新约束关联规则挖掘算法UPC-IITree,该算法将树型结构与倒排索引相结合,以实现无需扫描原始数据库和不产生候选项集的情况下,解决原始DB新增数据集时能高效地维护满足用户给定约束条件的关联规则。通过实验与其他相关算法进行对比,实验结果表明,UPC-IITree算法减少了算法的执行时间,节约了内存空间,提高了挖掘效率。

关联规则的增量更新算法研究

关联规则是数据挖掘领域的一个重要分支。随着数据库的不断变化,关联规则的增量更新变得尤为重要。为了更好地对关联规则进行有效的更新,对已经提出的经典的关联规则更新算法FUP和IUA算法进行分析,指出其优缺点;提出了一个改进的关联规则算法PFUP。该算法减少了候选项集数目,从而减少扫描数据库D的次数,提高了效率。

关联规则中一种负增量更新算法的探讨

针对关联规则负增量更新的挖掘问题,提出了一种高效的关联规则负增量更新算法,即NIUA。该算法充分利用原数据库中已有的频繁项集、所有1-项集来生成最小非频繁项集;并采用选样等策略求出删减数据后的频繁项集。整个算法只需扫描删减后的事务数据库一遍,从而提高了关联规则的更新效率。