[发明专利]一种基于总量控制的频繁项集数据挖掘方法

权利要求书

1.一种基于总量控制的频繁项集数据挖掘方法，其特征在于，由以下五步构成：

(1)数据预处理：

根据数据挖掘应用的领域进行相应的归一化、奇异值剔除数据预处理，按照Apriori_gen算法计算候选各项集数量；

(2)确定总量控制指标M和选择因子：

根据数据挖掘的需要，设定频繁项集总量控制指标M，选择因子为候选项集序号的倒数，总量控制指标M是进行频繁项集数据挖掘感兴趣的频繁项集范围大小，选择因子为调控指标；

(3)频繁项集总体数量生成：

扫描数据库生成候选项集C，根据候选项集总数量N和总量控制指标M，确定频繁项集总体数量Q＝N×M，若出现小数，则按照向上取整原则，进而根据Q的数量来确定频繁项集数量；

(4)频繁一项集生成：

根据频繁项集总体数量Q和选择因子确定频繁一项集数量Q₁＝N×M×(1/N₁)，其中，N₁为候选一项集数量；

(5)循环处理：

第k步，根据k-1步频繁的k-1项集L_k-1，按照Apriori_gen产生候选的k项集C_k集，根据候选k项集数量N_k，确定频繁k项集数量Q_k＝N×M×(1/N_k)，进而根据Q_k的数量确定频繁k项集，若出现候选项集只有一项，则直接定义为频繁项集。