《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于約束的多維Apriori改進算法
基于約束的多維Apriori改進算法
電子技術應用
王志昊,蘇明月,李東方,沈煒,楊光
(北京計算機技術及應用研究所,北京 100854)
摘要: 針對經典多維關聯規則挖掘算法執行效率不高、存在冗余規則的不足,提出基于約束的多維Apriori改進算法,在多維Apriori算法的基礎上,將用戶約束引入挖掘過程,根據關于謂詞的約束產生用戶感興趣的頻繁謂詞集,并以此為依據刪減事務集。該算法一方面通過用戶約束大大縮減了候選謂詞集的產生,另一方面經過刪減的事務集也降低了掃描數據庫的開銷,最終實現了挖掘效率的提高以及冗余規則的減少。應用該算法在FPGA代碼缺陷事務集上進行對比實驗,實驗結果證明了該算法相比多維Apriori算法,在搜索效率以及挖掘結果的準確性方面均得到了改善,有效提高了FPGA代碼缺陷分析的準確性。
中圖分類號:TP311 文獻標志碼:A DOI: 10.16157/j.issn.0258-7998.233873
中文引用格式: 王志昊,蘇明月,李東方,等. 基于約束的多維Apriori改進算法[J]. 電子技術應用,2023,49(10):100-105.
英文引用格式: Wang Zhihao,Su Mingyue,Li Dongfang,et al. Algorithm of multi-dimensional Apriori with constraints[J]. Application of Electronic Technique,2023,49(10):100-105.
Algorithm of multi-dimensional Apriori with constraints
Wang Zhihao,Su Mingyue,Li Dongfang,Shen Wei,Yang Guang
(Institute 706, Second Academy of China Aerospace Science and Industry Corporation, Beijing 100854, China)
Abstract: Aiming at the inefficiency of multi-dimensional association rules mining algorithm and the existence of redundant rules, an algorithm of multi-Dimensional apriori with constraints is proposed. Based on the multi-dimensional Apriori algorithm, the algorithm controls the mining process with user constraints. According to the predicate constraint, the frequent predicate set that is of interest to the user is generated, and the transaction set is deleted based on the predicate constraint. On the one hand, the algorithm greatly reduces the generation of candidate predicate sets through user constraints. On the other hand, the reduced transaction set also reduces the scanning database overhead. Finally, the efficiency of mining is improved and the redundant rules are reduced. This algorithm is used to compare experiments on FPGA code defect transaction sets. The experimental results show that compared with the multi-dimensional Apriori algorithm, this algorithm has improved the search efficiency of frequent predicate sets and the accuracy of mining results.
Key words : association rules mining;multi-dimensional association rule;Apriori;frequent predicate set;predicate constraint;data mining

0 引言

現代社會,生產力快速發展,通過不斷變革生產信息技術,人們大大提高了創造和收集數據的能力,迅速擴大了數據資料的規模。急劇增長的數據資料和數據庫迫使人們采用新的技術手段和工具來處理海量的數據,自動自主地幫助人們管理、提取并分析有用的信息,來發掘有價值的知識,為人們提供決策服務。由此,數據挖掘(Data Mining)[1] 在這樣的宏觀背景下誕生。將數據挖掘技術充分運用到現實的生產中,提高企業生產的效率,降低生產成本。數據挖掘的應用范圍較廣,如聚類、預測、分類、異常分析以及相互關聯性分析。

數據挖掘中,關聯規則是較為主要的研究對象。其中頻繁項集的產生是最核心、最受關注的問題。關聯規則反映了一個事物與其他事物之間的相互依存和關聯性[2]。換句話說,關聯規則是一種隱含在數據中的知識模型,其通過量化數字,從海量數據中挖掘出有價值的數據項之間的相關關系[3]。

關聯規則挖掘最初由Agrawal[4]等人于1993年提出,通過關聯規則的挖掘可以找出潛藏在數據庫中各個屬性之間的關系,輔助人們更合理地進行商業活動、金融決策和生產生活等。

目前,典型的挖掘關聯規則的算法主要是Apriori算法[5],其核心在于找到數據庫中的所有頻繁項集。Apriori算法通過逐級產生頻繁項集并利用先驗性質縮減候選項集產生。在掃描數據集的過程中,Hossain提出可使用自動遞歸連接來挖掘候選項目集[6],然后剪枝用于挖掘頻繁項集。2021年,Li等人提出基于時序約束的關聯規則挖掘,減小了系統開銷[7]。Wang等人利用MapReduce的思想改進Apriori算法,有效提高了搜索效率[8]。2022年,Dhinakaran等人集成Apriori算法和仿生算法,通過降低處理大型數據集時的低運行時性能來解決頻繁項集問題[9]。



本文詳細內容請下載:http://m.viuna.cn/resource/share/2000005721




作者信息:

王志昊,蘇明月,李東方,沈煒,楊光

(北京計算機技術及應用研究所,北京 100854)


微信圖片_20210517164139.jpg

此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 日韩成人在线观看视频 | 免费在线a视频 | 欧美视频一区二区三区在线观看 | 免费乱理伦片泡泡影院琪琪 | 日韩天天操 | 五月天婷婷网站 | 日韩精品一区在线 | 三级伦理片高清在线观看播放 | 亚洲一区二区三区不卡视频 | 看全色黄大色黄大片女图片第一次 | 亚洲一级大黄大色毛片 | 国产精品成人一区二区 | 毛片a级三毛片免费播放 | 天堂网视频在线观看 | 性做久久久久久久免费看 | 俄罗斯高清freexxxx性 | 久久最新网址 | 在线成人免费 | 日韩免费精品一级毛片 | 国产三级国产精品国产普男人 | 91最新地址 | 无遮挡h黄漫画免费观看 | 欧美极品欧美精品欧美视频 | 国产一级在线观看 | 一区二区精品在线观看 | 欧美日本综合 | 婷婷深爱网 | 日本爽p大片免费观看 | 在线a人片免费观看国产 | 中文字幕 亚洲 一区二区三区 | 亚洲午夜免费 | 亚洲国产片高清在线观看 | 国产午夜精品久久理论片小说 | h在线视频| 天天做夜夜做 | 看黄在线观看 | 成人欧美一区二区三区 | 色干干 | 久久精品a亚洲国产v高清不卡 | 在线成h人视频网站免费观看 | 午夜在线亚洲 |