基于有序树的不确定数据最大频繁项挖掘算法  

Algorithm based on ordered tree for mining maximal frequent items from uncertain data

作　　者：刘卫明[1,2] 蒯海龙 陈志刚[3] 毛伊敏[1,4] 

机构地区：[1]江西理工大学信息工程学院,江西赣州341000 [2]江西理工大学资源与环境工程学院,江西赣州341000 [3]中南大学软件学院,长沙410083 [4]江西理工大学应用科学学院,江西赣州341000

出　　处：《计算机工程与应用》2015年第24期145-149,共5页Computer Engineering and Applications

基　　金：江西省自然科学基金(No.20122BAB201045);国家自然科学基金(No.41362015;No.61073186)

摘　　要：针对UF-tree中项集存在的数据和路径冗余的问题,设计了有序的压缩不确定树SCUF-tree,在节点中存储元素的不同支持度,达到压缩存储空间和方便移植已有的确定数据最大频繁项集算法的目的。结合最大频繁项集挖掘算法MMFI的设计思想,提出了一种挖掘不确定最大频繁项集算法UMMFI算法,并采取逐层逐个的NBN策略挖掘不确定最大频繁项集。实验结果表明,UMMFI算法具有较好的时空效益和适应性。In order to resolve the problem of data and route redundant in UF-tree, this paper designs the Sequential Compressed Uncertain Frequent Pattern Tree（SCUF-tree）, and stores different support values of element in the node, so as to compress the storage space and conveniently transplant the algorithm which can mine maximal frequent itemsets in certain data. Then it combines the design idea of the MMFI algorithm and proposes UMMFI algorithm which can mine maximal frequent itemsets in the uncertain database. The UMMFI algorithm adopts a NBN（Node By Node）strategy to mine maximal frequent itemsets. Experiment results manifest that the UMMFI algorithm is effective and adaptable in the uncertain database.

关 键 词：不确定数据的最大频繁项集 不确定数据最大频繁项挖掘(UMMFI)算法 有序的压缩不确定树(SCUF-tree) 逐层逐个地处理节点(NBN)策略 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]