关联规则增量式更新算法研究

【摘要】： 数据挖掘作为一种从海量数据背后获取知识的技术,如今已得到了广泛的应用。关联规则挖掘是数据挖掘的一个重要分支,也是最先研究的问题之一。Apriori算法是关联规则中的经典算法,其他的很多算法都是以此为基础进行改进的,且大多数算法都是针对静态数据库。 在实际应用中,数据库中的数据经常需要变动,如果用以前的算法来挖掘规则,则是对更新后的数据库重新运行一次算法,这样效率将非常低,因此关联规则的增量式更新算法出现了。关联规则增量式更新算法有两个典型代表:FUP算法和IUA算法,本文只对FUP算法进行讨论,在分析研究FUP算法的不足之后,提出了一种新的增量式更新算法TMFUP算法,本算法采用的数据格式是垂直型数据格式,和FUP算法相比,可以显著的减少扫描原数据库的次数,算法的执行效率较高。