方文和　李国和　吴卫江　洪云峰　周晓明

(1.中国石油大学(北京)地球物理与信息工程学院　北京　102249)(2.中国石油大学(北京)油气数据挖掘北京市重点实验室　北京　102249)(3.石大兆信数字身份管理与物联网技术研究院　北京　100029)



兴趣模型的构建与Apriori数据挖掘算法优化研究*

方文和1,2,3李国和1,2,3吴卫江1,2,3洪云峰3周晓明3

(1.中国石油大学(北京)地球物理与信息工程学院北京102249)(2.中国石油大学(北京)油气数据挖掘北京市重点实验室北京102249)(3.石大兆信数字身份管理与物联网技术研究院北京100029)

摘要分析关联规则算法实际过程中参数规律,改进重构Gray和Orlowska兴趣度模型,引入兴趣项、频数阈值、构建兴趣模型,从而能够减少不必要的挖掘扫描操作,提高挖掘的效率,使得挖掘更加有针对性。通过中国石油大学(北京)油气数据挖掘北京市重点实验室提供的标准仿真数据集合对比实验,证明改进后的算法效率更高,适合用于特定兴趣点的二次高效率挖掘。

关键词Apriori; 兴趣项; 关联规则; 兴趣模型; Gray和Orlowska

Class NumberTP3-05

1引言

事物数据库中关联规则的挖掘为数据挖掘领域研究重点。可概括成两个子问题[1],为寻求符合支撑条件高频项目集合以及由置信度筛选出关联规则。前者开销大,故研究多致力提升频繁项目集合寻求的效率。此外数值型、多层关联规则[2]的研究拓展了关联规则。

在很多领域,如油田数据挖掘中,研究人员往往希望能够高效地从历年来积累的大量的油田参数信息中挖掘出自己感兴趣并且有前经验模型参考的相关的参数之间的具体关联规则关系,如通过关键的参数与产量关联,可以得到产量与相关参数的实地油田关系数据。……