基于聚类布尔矩阵的Apriori算法的研究

针对聚类布尔矩阵的Apriori算法—CBM_Apriori算法的不足之处,提出了一种基于聚类布尔矩阵的Eclat算法—CBM_Eclat算法。该算法首先对布尔矩阵使用K-medoids算法,获得权值和聚类后的布尔矩阵;然后将聚类后的布尔矩阵转换成Tidset,并采用逻辑"交操作"运算,进而有效地减少了聚类布尔矩阵存储和候选项集的生成,提高了该算法的执行效率。通过实例应用和算法执行结果都能够证明CBM_Eclat算法具有可行性和有效性。

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.