基于不确定性数据的频繁闭项集挖掘算法

• 作者: 张守志 章淑云
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 不确定性数据 频繁闭项集 数据挖掘 水平挖掘 置信度概率
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 51-54
• 页数: 4页
• 分类号: TP311.12
• 字数: 3719字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.03.010

摘要

对于不确定性数据，传统判断项集是否频繁的方法并不能准确表达项集的频繁性，同样对于大型数据，频繁项集显得庞大和冗余。针对上述不足，在水平挖掘算法 Apriori 的基础上，提出一种基于不确定性数据的频繁闭项集挖掘算法 UFCIM。利用置信度概率表达项集频繁的准确性，置信度越高，项集为频繁的准确性也越高，且由于频繁闭项集是频繁项集的一种无损压缩表示，因此利用压缩形式的频繁闭项集替代庞大的频繁项集。实验结果表明，该算法能够快速地挖掘出不确定性数据中的频繁闭项集，在减少项集冗余的同时保证项集的准确性和完整性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张守志	复旦大学计算机科学技术学院	13	531	5.0	13.0
2	章淑云	复旦大学计算机科学技术学院	1	6	1.0	1.0