數(shù)據(jù)挖掘期中論word版-資料下載頁
2025-01-07 16:13本頁面
【正文】 al frequent item）。processor 0同樣以字符串的形式表示全局頻繁項，并將這個字符串廣播給所有的處理機(jī)。 局部頻繁項集挖掘 在收到全局頻繁項字符串后 ， 每個處理機(jī)對所分配的事務(wù)數(shù)據(jù)開始挖掘局部頻繁項集 。 挖掘過程類似于 FPgrowth。 FPgrowth*只產(chǎn)生 FPtree一次，并遞歸地產(chǎn)生獨立頭表。由于原 FPgrowth需要在每次創(chuàng)建 FPtree前需對局部頻繁項排序，形成局部降序，然后按局部降序構(gòu)造 ， 所以它不能保證所有挖掘出的頻繁項集中的頻繁項以相同的順序排列。 FPgrowth*區(qū)別于 FPgrowth的一個特點即是所有的頻 繁項集中的頻繁項按嚴(yán)格相同的順序排列。而這個順序即是全局降序，即 FPgrowth*所有頻繁子樹的構(gòu)造都是按全局降序構(gòu)造的。而 FPgrowth是建立在 FPgrowth*的基礎(chǔ)上，這個全局降序定義為并行算法第一階段產(chǎn)生的全局頻繁項的降序。 由于所有的頻繁項按相同的順序排列 ， 所有的頻繁項集就能構(gòu)造出一棵樹 ， 叫“頻繁結(jié)果樹”這個性質(zhì)用來壓縮挖掘出的頻繁項集結(jié)果 。 算法：頻繁結(jié)果樹生算法 PFPgrowth 輸入：頻繁樹 ,Tfp tree。 Header table H(head_table, Minimum support thresholdξ 輸出：結(jié)果樹 T(result tree) 方法：調(diào)用 PFP_growth(Tfp_tree,Hhead_table,null,Tresult tree)。 PFPgrowth(Tree_fp tree,headerTable Hhead_table,ItemSet Ipostfix,Tree*Tresulttree) {int size = Thead table → GetSize()。 For(int I = size – 1。i≧ 0。i) {HeaderTableItemHcurheaditem=Hheadtable→ GetAt(i)。 If(Hcurheaditem→ supξ )continue。 Itemset Icuritemset = Hcurheaditem→ sup,Tresulttree)。 HeaderTablehnew head table = CreateHeadTable(Tfptree,Hheadtable,i)。 PFP_growth(Tfptree,Hnewheadtable,Icuritemset)。 } } PFPgrowth算法的一個明顯特征是作為參數(shù)的后綴項集 Ipostfix。引入 Ipostfix的目的是為在當(dāng)前迭代過程中產(chǎn)生的頻繁項集結(jié)果。 全局頻繁項集產(chǎn)生 在這個階段，算法將對頻繁結(jié)果樹進(jìn)行合并。通過合并接收到的字符串和自己的字符串產(chǎn)生一個新的字符串。這種合并過程進(jìn)行到最后，然后 processor 0 得到最終頻繁結(jié)果樹字符串。然后 processor 0 將這個字符串轉(zhuǎn)換為通常的頻繁項集形式，作為最后結(jié)果輸出，算法到此結(jié)束。 以上 算法參考了一些百度百科和百度文庫的資 料，還有上述的幾個例子我查閱了校網(wǎng)中的一些學(xué)位論文，經(jīng)歷了這次學(xué)習(xí)，我對關(guān)聯(lián)規(guī)則以及相關(guān)算法有了更深一步的了解，希望在溫磊老師的指導(dǎo)和學(xué)習(xí)下，能夠好好的完成數(shù)據(jù)倉庫與挖掘這門課程，并且日后在工作中將它用于實踐中去。
公司管理相關(guān)推薦
鄂ICP備17016276號-1