• / 6
  • 下载费用:10 金币  

Apriori算法分析和改进,基于Markov异常检测模型.doc

关 键 词:
Apriori算法分析和改进 基于Markov异常检测模型.doc
资源描述:
Apriori 算法分析和改进一 Apriori 算法介绍1.1 Apriori 算法思想Apriori 算法的基本思想是:首先找出事务中所有的频集,这些频集出现的频繁性需要大于或等于预先设定的最小支持度。随后由频集产生强关联规则, 这些规则必须大于最小支持度和最小可信度。为了生成所有频集,使用了递推的方法。1.2 Apriori 算法步骤1.制定最小支持度及最小置信度。2.对数据集所有事务进行扫描,对每个项出现的次数计数,删除那些出现计数值小于阈值的项集,这样就得到 L1 频繁项集;3.利用频繁 1-项集合的结合,产生候选 2-项集合 C2(Candi-date2-itemset)。4.对 C2 中每个候选项集的支持计数,确定频繁项集 2-项集的集合 L2,并利用这些频繁 2-项集合 L2 的结合 ,产生候选 3-项集合 C3。5.重复扫描数据库产生更高层次的频繁项集合,再结合产生下一级候选项集,直到穷尽数据集中的所有频繁项集。Apriori 算法描述如下 :(1) C1={candidate1-itemsets};(2) L1={c∈C1|c.count≥minsupport};(3) For(k=2,Lk-1≠Φ,k++)//直到不能再生成最大项目集为止(4) Ck=sc_candidate(Lk-1);//生成含 k 个元素的侯选项目集(5) for all transactions t∈D//办理处理(6) Ct=count_support (Ck,t);//包含在事务 t 中的侯选项目集(7) for all candidates c∈Ct(8) c.count=c.count+1;(9)next(10) Lk={c∈ Ck|c.count≥minsupport};(11) next(12) resultset=resultset∪Lk其中,D 表示数据库 ,minsupport 表示给定的最小支持度,re -sultset 表示所有最大项目集。1.3 Apriori 算法的不足在 Apriori 算法中候选项集是逐层产生 , 而产生此层的频集, 必须要扫描整个数据库一次, 然后再结合频集产生下一层级的候选项集合, 直到频集无法结合产生候选项集。Apriori 算法一定要等到扫描完整个数据库后才做结合, 因为在扫描的过程中, 有些候选项集在若干的区段中的支持度已大于等于使用者制定的最小支持度, 因此在扫描这些若干个区段后, 便可以找出频集, 并直接结合产生下一个层级的候选物项集。基于上述原因,Apriori 算法可能会存在下述问题。(1) 所挖掘的规则存在大量冗余。(2) 因计算项过多而造成执行能缓慢, 主要的原因在于频繁项集合产生过多的候选项集, 尤其是候选 22 项集的情况最为严重。二 Apriori 算法的典型改进及其比较2.1 FIS-ES 算法FIS-ES 算法对传统集合操作进行了扩展,提出了基于扩展集合操作的最大频繁项集生成法 FIS-ES,算法通过从数据库中检测是否有符合最小支持度要求的频繁项, 并删除该频繁项的真子集,循环操作直到读完数据库中的记录为止。该算法通过只保留最大的频繁项集,从而压缩了搜索空间、提高了数据挖掘的效率。2.2 基于 PCL 模型的频繁项集求解算法从近几年频繁项集挖掘算法的研究趋势来看, 为了提高算法的效率,提出了一系列的混合搜索策略和高效剪枝策略。在基于 Apriori 算法性质基础上,胡学钢等在《基于剪枝概念格模型的频繁项集表示及挖掘》一文提出了基于 PCL 模型的频繁项集求解算法,改善了频集挖掘算法的时空性能。2.3 FP-DFS 算法在文献中作者以 FP-tree 为基本数据结构, 首先通过新的搜索策略和剪枝策略, 将事务数据库 D 压缩为内存中的 FP-tree,然后按照相反次序逐个处理项集中的项目,每次迭代得到以某个项目开头的所有频繁项集。从而提高算法的搜索效率,减少了对内存的占用,算法的空间复杂性低。2.4 使用概率的方法求候选频繁项集的 Apriori 改进算法针对 Apriori 算法存在的可能产生大量的候选集的缺点,该算法通过使用概率的方法估算任意数据项集同时出现的概率来求候选频繁项集。首先创建数组来记录各个属性项独立出现的概率,设定最小概率,得到 m 个多个频繁 1 项集,由 m 个频繁 1 项集的独立出现概率, 估算出任意两个属性项同时出现的概率,得到候选频繁 2 项集,通过迭代,由候选频繁数据项集的支持度求出频繁项集。2.5 基于事务地址索引表来约简事务的 Apriori 优化算法针对 Apriori 算法需要重复地扫描数据库的缺陷,基于事务地址索引表来约简事务的 Apriori 优化算法提出使用一个有效约简事务数据库中事务的策略对算法进行优化。该
展开阅读全文
  微传网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

关于本文
本文标题:Apriori算法分析和改进,基于Markov异常检测模型.doc
链接地址:https://www.weizhuannet.com/p-9828302.html
微传网是一个办公文档、学习资料下载的在线文档分享平台!

微传网博客

网站资源均来自网络,如有侵权,请联系客服删除!

 网站客服QQ:80879498  会员QQ群:727456886

copyright@ 2018-2028 微传网络工作室版权所有

     经营许可证编号:冀ICP备18006529号-1 ,公安局备案号:13028102000124

收起
展开