汪峰坤，张婷婷

安徽机电职业技术学院信息工程系，安徽芜湖，241000



一种改进的高效用频繁集挖掘算法

汪峰坤，张婷婷

安徽机电职业技术学院信息工程系，安徽芜湖，241000

摘要：运用(k-1)阶频繁集与1阶频繁集中较少项数的频繁集组合生成k阶频繁候选项、使用最大效用值系数、各阶频繁项集最大数目限制三种方法，对高效用频繁集数据挖掘经典算法Two-Phase进行了改进，研究了在低维数据集上不同数据量、高维数据集上不同数据量和不同维数数据集改进算法了运行时间。结果表明：改进方法的算法在高数据量和高维数据集中提高了算法运行效率，减少了运行时间。实验表明，在高维和百万数据级的数据集上，执行时间相对于Two-Phase算法至少节约了50%。

关键词：数据挖掘;关联规则;频繁项集;高效用项集

在经典的关联规则生成算法中，对事务数据库中所有的项集的重要性假定是同等的，仅仅是根据项集在事务集中出现的次数来判断项之间的关联情况。在实际的一些数据挖掘应用中，既要考虑项集出现的次数，又要考虑项集的重要性。例如，在职工体检中，不同的检测项的重要性是不一样的。

针对此类问题，B.Barber等提出了基于“效用”的挖掘概念[1]。项的“效用”值是用户设定的用于反应项的权重、收益、消费等内容的整数值。如果某项集的效用值不小于用户设定的阈值，则此项集被称为高效用频繁项集(HUI)。

基于效用的关联规则挖掘算法最基本的是枚举方法，其时空性能差，一般只用于验证其他算法的正确性。……