[发明专利]一种兼顾局部样本的频繁项集数据挖掘方法

摘要

本发明提供一种兼顾局部样本的频繁项集数据挖掘方法，按照支持度从高到低依次排列，依据截取的数量进行取舍的竞争原则，以及按照百分比的形式对各样本项集进行取舍的总数原则。依次进行总体数据样本频繁一项集生成、局部数据样本一项集平均域值计算、总体数据样本频繁K项集生成及局部数据样本K项集平均域值计算。本发明基于Apriori性质的频繁项集数据挖掘算法LS‑Apriori算法，应用Apriori算法的基本思想，根据局部样本的平均支持度与总体样本的平均支持度大小，分别采用竞争原则和总数原则寻找频繁项集，从而在Apriori算法中兼顾了局部样本数据，有效解决了经典Apriori算法不能很好的兼顾局部最优的缺陷。

主权项

一种兼顾局部样本的频繁项集数据挖掘方法，是基于Apriori性质的频繁项集数据挖掘算法的LS‑Apriori算法，其特征在于，竞争原则：按照支持度从高到低依次排列，依据截取的数量进行取舍；总数原则：按照百分比的形式对各样本项集进行取舍；其具体方法和步骤为：(1)总体数据样本频繁一项集生成：重新组合数据样本，根据总体数据样本，计算候选一项集C1的支持度及平均支持度ZS1，确定频繁一项集L1，L1数量计作M1；(2)局部数据样本一项集平均域值计算：根据局部数据样本计算一项集平均支持度JS1；如果JS1≥ZS1,按照竞争原则，重新确定频繁项集；若JS1＜ZS1,局部样本均值≤总体样本均值，说明这部分的局部样本为弱支持度样本，为了兼顾这部分的局部样本，按照总数原则，重新确定频繁项集，总数按照M1/2进行处理；(3)总体数据样本频繁K项集生成：重新组合数据样本，第k步,根据k‑1步频繁的k‑1项集Lk‑1，按照Apriori_gen产生后选的k项集Ck集；根据总体数据样本,计算候选一项集Ck的支持度及平均支持度ZSk，确定频繁一项集Lk，Lk数量计作Mk；(4)局部数据样本K项集平均域值计算：根据局部数据样本计算K项集平均支持度JSk；如果JSk≥ZSk，按照竞争原则，重新确定频繁k项集；若JSk＜ZSk，则按照总数原则，重新确定频繁k项集，总数按照Mk/2进行处理。