[发明专利]一种基于总量控制的频繁项集数据挖掘方法

摘要

一种基于总量控制的频繁项集数据挖掘方法，包括数据预处理、设定总量控制指标M和选择因子、频繁项集总体数量生成、频繁一项集生成及循环处理五步骤，即根据需要设定频繁项集总量控制指标M，选择因子为候选项集序号的倒数，扫描数据库生成候选项集C，根据候选项集总数量N和总量控制指标M，确定频繁项集总体数量Q，进而确定频繁一项集数量Q₁，根据k-1步频繁的k-1项集L_k-1，按照Apriori_gen产生候选的k项集C_k集，从而确定频繁k项集数量Q_k，若候选项集只有一项，则直接定义为频繁项集。本发明采用总量控制和选择因子进行频繁项集数据挖掘，能够很好的进行频繁项集发现，发现的频繁项集质量上为支持度相对较高的那部分项集，而数量上则大幅度减少。

主权项

一种基于总量控制的频繁项集数据挖掘方法，其特征在于，由以下五步构成：(1)数据预处理：根据数据挖掘应用的领域进行相应的归一化、奇异值剔除数据预处理，按照Apriori_gen算法计算候选各项集数量；(2)确定总量控制指标M和选择因子：根据数据挖掘的需要，设定频繁项集总量控制指标M，选择因子为候选项集序号的倒数，总量控制指标M是进行频繁项集数据挖掘感兴趣的频繁项集范围大小，选择因子为调控指标；(3)频繁项集总体数量生成：扫描数据库生成候选项集C，根据候选项集总数量N和总量控制指标M，确定频繁项集总体数量Q＝N×M，若出现小数，则按照向上取整原则，进而根据Q的数量来确定频繁项集数量；(4)频繁一项集生成：根据频繁项集总体数量Q和选择因子确定频繁一项集数量Q₁＝N×M×(1/N₁)，其中，N₁为候选一项集数量；(5)循环处理：第k步，根据k‑1步频繁的k‑1项集L_k‑1，按照Apriori_gen产生候选的k项集C_k集，根据候选k项集数量N_k，确定频繁k项集数量Q_k＝N×M×(1/N_k)，进而根据Q_k的数量确定频繁k项集，若出现候选项集只有一项，则直接定义为频繁项集。