[发明专利]一种基于改进Apriori算法的雷电活动数据统计方法

权利要求书

1.一种基于改进Apriori算法的雷电活动数据统计方法，其特征在于,包括以下步骤：

1）、计算加权支持度与加权置信度：为每个项目赋予[0,1]之间一个非负实数作为权值，以体现该项目的重要度，并根据该权值计算各项集的权重，进而推出项集的加权支持度与加权置信度，所述支持度与置信度定义是：项目集合I={ i₁, i₂, …, i_m}是由m个不同的项组成，交易数据库D中每一笔交易都是I的一个子集，关联规则的形式为X =>Y，其中X∈I，Y∈I，且X∩Y=，X的支持度sup(XUY)为XUY在交易数据库中出现的概率，X的信任度conf( XUY)为在某交易中包含X前提下同对也包含Y的概率．也就是说，关联规则X =>Y的支持度为数据库中包含XUY的交易数与总交易数之比；关联规则的信任度为数据库中包含XUY的交易数与包含X的交易数之比；

2)、垂直位矢量格式转换：将原水平数据格式{事务标志：事务项集}转化为垂直数据格式{项：事务集}，然后扫描数据库一次，计算出符合加权支持度与加权置信度的频繁项，并设置它们相应的位矢量；

3)、频繁二项图生成：根据频繁项计算出符合关联规则的频繁2项集，以各个满足频繁2项集的项目作为节点，绘制出表示各个项目之间关系的有向图；

4）候选项集挖掘：通过对频繁2项图的深度优先遍历，找到该图的最长路径，即为最长频繁项集，继而根据任何强项集的子集必定是强项集的性质，找出所有频繁集。

2.如权利要求1所述基于改进Apriori算法的雷电活动数据统计方法，其特征在，所述步骤2）的具体过程是：如果该事务中存在对应的项免则设置对应项为1，否则设置对应项为0，当检查完所有事务集合每个项对应一个二进制位串，然后按照支持数从高到低排序将数据库中的项目映射到位图。

3.如权利要求1所述基于改进Apriori算法的雷电活动数据统计方法，其特征在，所述步骤3）的具体过程是：将得到的位图中1出现次数最多的节点放在最上层，若某两项在一次事务中同时出现，并且出现的次数满足最小支持度要求，大于或等于最小支持度，则在有向图中这两个节点之间画一条边，边上用二进制字符串表示，二进制字符串通过两个节点求与运算得到，其中串中1的个数表示这两个节点同时出现的次数。

4.如权利要求1所述基于改进Apriori算法的雷电活动数据统计方法，其特征在，加权支持度与加权置信度的具体计算过程是：

设I={ i1, i2, …, im}，对应i的权值向量W={ w1, w2, …, wm },第 i个事务ti是I的一个子集，ti中第j个项目（记作ti [ij]）都有一个权值w，

这样每一个项目都与W中的一个值对应起来，项集事务权值是一个数据库中项目集中各项目的权值汇总，项目集X在事务ti中的项目权值计算为：                                                

加权支持度是事务数据库中包含该项目的事务项集权值的汇总：

其中NX是X在数据库中出现的计数；n是总记录数；

加权置信度是事务数据库中满足X∪Y 的加权支持度与包含X的加权支持度的比值 ：

。

5.如权利要求2所述基于改进Apriori算法的雷电活动数据统计方法，其特征在，所述步骤2）的具体过程是：于有向图与加权关联规则的Apriori算法的优化方法，其特征在，如果该事务中存在对应的项则设置对应项为1，否则设置对应项为0，当检查完所有事务集合每个项对应一个二进制位串，然后按照支持数从高到低排序将数据库中的项目节点映射到位图，设最小支持度计数是2，则在本数据库中频繁项是i₁，i₂，i₃，i₄，i₅；

对应B_i1=(100110111)，B_i2=(111101011)，B_i3=(0010lllll)，B_i4=(010100000)，B_i5=(100000010)。

6.如权利要求1所述基于改进Apriori算法的雷电活动数据统计方法，其特征在，所述步骤4）的具体过程是，（1）频繁2项集做深度优先遍历，并记录最长路径D；

（2)D中路径长度为l，如果l=0，说明找不到频繁项集，否则，当l>0时，执行（3)；

（3)计算D中每一条路径的加权支持度，找出所有满足最小支持度的路径，若存在，它们就是频繁项集，算法到此结束；

否则执行（4)；

（4)对于D中的每一条路径，找出所有路径的长度为l-1的子集，并利用图1验证它们是否连通，若为连通路径，将该路径记录在D中，返回（2)。