[发明专利]一种关联规则的挖掘方法和关联规则的挖掘装置

说明书

技术领域

本发明涉及遥感影像领域，尤其涉及一种关联规则的挖掘方法和关联规则 的挖掘装置。

背景技术

关联规则挖掘是数据挖掘领域中一个非常重要的分支，主要用于从大数据 量的事务集中找出满足用户最小支持度的频繁项目集。对遥感影像数据挖掘而 言，其过程可以理解为从遥感影像中抽取不同层次的知识，分析知识之间的关 系，从而挖掘出遥感影像中隐含的潜在的规律性知识。

现有的Sampling算法、Partition算法、DIC算法等都试图减少皯交易数 据集合的搜索次数，但仍有很多缺点。Sampling算法从原数据集合中随机抽 样出一部分样本，利用样本来挖掘关联规则以减少算法的搜索次数，但是由于 数据集合中经常存在数据分布不均匀的情况，所以随机抽样根本就无法保证能 够抽取到有代表性的样本；Partition算法虽然通过对数据集合分区分别挖 掘，最后进行汇总的方法来减轻I/O的负担，事实上它是增加了CPU的负担； DIC算法采用动态计算的策略来减少搜索次数以提高算法的效率，但与 Apriori算法在思想上没有根本不同之处，它也还是一个多趟搜索算法。这些 算法在读入交易数据时生成候选项目集，产生许多不必要的候选项目集，计算 量大。尤其对海量数据集合来说，以上算法只有在较高的最小支持度和最小可 信度下或增加其它约束后才有一定的挖掘效率，否则将会产生频繁项目集的组 合爆炸，而变得效率低下甚至超过机器的存储和计算能力。因为任何算法都必 须计算项目集及其支持度，所以真正影响算法效率的是对项目集及其支持度的 计算问题。每一次的计算不仅花费大量CPU时间，而且还牵涉I/O的请求。

也就说，现有关联规则挖掘算法由于需要多次遍历事务数据库，导致挖掘 效率低下，需要花费大量CPU时间。另外现有的Apriori、FP-Growth及其改 进算法对数据有一定的要求，即同一个事务中，项的取值不能相同，否则挖掘 算法将不能运行。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此本发 明的第一个目的在于提出一种关联规则的挖掘方法。

本发明的第二个目的在于提出关联规则的挖掘装置。

为了实现上述目的，本发明第一方面实施例的关联规则的挖掘方法，所述 挖掘方法包括以下步骤:

获取和扫描事务集，将所述事务集转化为多维数据立方体,并记录下整个 事务集的长度；

根据所述多维数据立方体得到1-项集和1-项频繁集；

根据1-项频繁集得到k-项集和k-项频繁集,以及根据k-项集得到k+1-项 集和k+1-项频繁集，其中k为大于且等于2的正整数；

根据1-项频繁集和k-项频繁集，产生1-项频繁集的所有子集和k-项频繁 集的所有子集以生成所述事务集的关联规则。

本发明实施例的关联规则的挖掘方法，所述挖掘方法包括以下步骤:

获取和扫描事务集，将所述事务集转化为多维数据立方体,并记录下整个 事务集的长度；

根据所述多维数据立方体得到1-项集和1-项频繁集；

根据1-项频繁集得到k-项集和k-项频繁集,以及根据k-项频繁集得到 k+1-项集和k+1-项频繁集，其中k为大于且等于2的正整数；

根据1-项频繁集和k-项频繁集，产生1-项频繁集的所有子集和k-项频繁 集的所有子集以生成所述事务集的关联规则。

本发明实施例的关联规则的挖掘方法，整个关联规则挖掘过程仅遍历了 一遍事务集，虽然在获取频繁项集及关联规则时需要多次遍历多维数据立方 体，但遍历后者的时间消耗要远小于遍历事务集，因此从运行速度上来说，本 发明的方法要明显快于传统的挖掘算法。

为了实现上述目的，本发明第二方面实施例的关联规则的挖掘装置，所述 挖掘装置包括：

转化模块，用于获取和扫描事务集，将所述事务集转化为多维数据立方体, 并记录下整个事务集的长度；

第一生成模块，用于根据所述多维数据立方体得到1-项集和1-项频繁集；

第二生成模块，用于根据1-项频繁集得到k-项集和k-项频繁集,以及根 据k-项频繁集得到k+1-项集和k+1-项频繁集，其中k为大于且等于2的正整 数；