[发明专利]一种基于区间映射求交的快速频繁模式挖掘方法及系统

说明书

技术领域

本发明涉及数据挖掘技术领域，特别涉及一种基于区间映射求交的快速频繁模式挖掘方法及系统。

背景技术

频繁模式挖掘是数据挖掘的当中的一个重要的部分，通过挖掘数据集当中发生次数超过临界值的模式来为后续的关联规则挖掘，数据分析等提供依据。

目前，国内外的研究机构对频繁模式挖掘算法已经有了相当多的研究，其中比较有代表性的是Apriori算法和FP-growth算法，Apriori算法对每个生成的候选频繁模式都需要扫描一次数据集来判断它的支持度，FP-growth需要迭代地生成条件模式树来生成频繁模式。

然而，现有频繁模式挖掘算法的效率还是比较低下，特别是当数据量比较大、最小支持度设置较小，数据维度较高的情况下，挖掘频繁模式比较耗时。

综上所述可以看出，如何提高频繁模式的挖掘效率是目前亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于区间映射求交的快速频繁模式挖掘方法及系统，能够有效地提高频繁模式的挖掘效率。其具体方案如下：

一种基于区间映射求交的快速频繁模式挖掘方法，包括：

步骤S11：对目标数据集进行扫描，得到所述目标数据集的频繁1项集；

步骤S12：对所述目标数据集再次进行扫描，以构造相应的FP树；

步骤S13：对所述FP树进行扫描，为每个频繁1项集生成相应的区间集；

步骤S14：将n初始化为2；

步骤S15：利用频繁1项集和频繁n-1项集生成当前候选n项集；

步骤S16：利用生成当前候选n项集的频繁1项集和频繁n-1项集各自对应的区间集，基于区间求交方式生成当前候选n项集对应的区间集；

步骤S17：根据当前候选n项集对应的区间集，确定当前候选n项集的支持度，并判断当前候选n项集的支持度是否大于临界值，如果是，则将当前候选n项集加入到预设的频繁n项集列表；

步骤S18：判断当前频繁n项集列表是否为空，如果是，则结束，如果否，则令n＝n+1，并重新进入步骤S15。

可选的，所述对所述FP树进行扫描，为每个频繁1项集生成相应的区间集的过程，包括：

对所述FP树进行深度优先遍历，为每个节点生成一个区间，并将名称相同的节点的区间存放到一个区间集中。

可选的，为任一节点生成的区间的结构为{start,end}，其中start和end分别为该区间的开始编号和结束编号；其中，

该节点的start满足：

在该节点为其父节点的第一个子节点的情况下，如果其父节点为根节点，则该节点的start＝1，如果其父节点不是根节点，则该节点的start＝father.start；若该节点不是其父节点的第一个子节点，则该节点的start为：start＝prevBrother.end+1；其中，father表示该节点的父节点，prevBroteher表示该节点的上一个兄弟节点；

该节点的end满足：

end＝start+count-1；其中，count表示该节点的支持度计数；

并且，任一区间集的结构具体为{support；start₁,end₁；start₂,end₂；......}，其中，support表示该区间集对应的项集的支持度，满足：

support＝end₁-start₁+1+end₂-start₂+1......。

可选的，所述利用频繁1项集和频繁n-1项集生成当前候选n项集的过程，包括：

按照支持度大小对当前所有频繁1项集进行降序排序，得到排序后集合；

将当前所有频繁n-1项集中的最后一项设为m，并将该候选n-1项集和所述排序后集合中排在m后面的所有频繁1项集进行合并，得到当前候选n项集。

可选的，所述利用生成当前候选n项集的频繁1项集和频繁n-1项集各自对应的区间集，基于区间求交方式生成当前候选n项集对应的区间集的过程，包括：

分别利用第一区间集中的每个区间与第二区间集中的每个区间进行求交操作，得到相应的求交结果；

将所述求交结果放入预先经过初始化处理的第三区间集，以得到当前候选n项集对应的区间集；