压缩UF-tree挖掘不确定数据频繁项

• 来源期刊: 计算机应用研究
• 关键词: 数据挖掘 不确定数据 事务 分支 概率向量 频繁项
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 716-719
• 页数: 4页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.03.018

摘要

针对UF-growth算法构造大量树节点和分支的局限性，且不断计算候选数据项支持度的不足，提出压缩UF-tree算法。压缩UF-tree算法改变建树条件：事务中数据项与树中某个分支节点的数据项匹配时，将该数据项合并到分支中；否则，从该分支节点创建新的分支，叶节点保存当前事务编号。构建单项数据项的概率向量，搜索树分支产生候选项，通过事务编号和概率向量计算候选数据项的支持度进而挖掘频繁项。通过实验对比与分析，压缩UF-tree算法可行且更高效。