[发明专利]一种基于PACS系统中关联规则挖掘技术的应用

说明书

本发明公开了一种基于PACS系统中关联规则挖掘技术的应用；所述Eclat_LSH算法从减少需要比较元素的角度出发：1、利用局部敏感哈希的思想，将计算两个大集合交集的过程，转化为求取若干小集合交集再累加的过程，减少了每个元素需要比较的次数；2、Eclat_LSH算法在计算项集支持度的过程中，充分发挥了最小支持度的作用，对项集支持度上界进行评估，当评估到项集的支持度不可能满足筛选条件时，则立即停止计算；本发明Eclat_LSH由于在计算交集的过程中对支持度的上界进行评估，因此其对于频繁项集支持度的计算都是有效计算，而且由于减少了计算交集时每个元素需要比较的次数。

技术领域

本发明涉及数据挖掘技术中的关联规则挖掘技术领域，具体为一种基于 PACS系统中关联规则挖掘技术的应用。

背景技术

关联规则挖掘算法通过统计共同出现次数最多的项来找出事务间的相关性，Apriori、FP-growth和Eclat是三个最为经典的关联规则挖掘方法，后续的很多提高挖掘效率的算法都是基于这三种方法做改进而提出来的。

Apriori算法通过一种被称为逐层查找的方式来进行频繁项集挖掘，每一次扫描前都通过候选产生-剪枝的方法来产生候选频繁项集，Apriori通过这种方式大大减少了需要统计的候选项集的量，在一定程度上提供了不错的挖掘效率，然而该算法仍然存在两个瓶颈问题亟待解决：(1)该算法仍然需要形成很多的候选项集，特别是2阶候选项集。(2)该算法必须多次查询整个数据集，并且通过模式匹配的方法去检查一个很大的候选项集集合，这是一个很大的开销，极大地影响了算法的效率。

FP-growth利用事务数据集构造了一棵频繁模式树，然后基于这棵模式树迭代地产生新的数据库和构造新的频繁模式树，一直到构造的树为单枝的时候停止迭代，此时即可枚举出该单枝树上的全部频繁项集。FP-growth克服了 Apriori必须搜索多次数据集和需要形成大量候选项集的瓶颈，极大地提高了关联规则的挖掘效率，但是该算法必须构造很多的条件模式树，在一定程度上对挖掘效率产生极大地影响。

Eclat利用垂直数据库进行频繁项集的挖掘，Eclat充分利用了垂直数据库的优势，将Apriori扫描数据集对候选项集进行支持度计数的步骤转换为采用交叉计数的方式来获得。为了节省资源和缩小候选集合，Eclat还利用等价类的原理将整个候选集合划分成很多个互不交叉的子候选集，并采用深度优先的方法对每个子集合内的频繁项集进行挖掘，缩小了搜索空间，加快了挖掘速度。Eclat算法采用“连接”运算对频繁项集进行连接并产生新的候选项集。

连接：2个k阶频繁项集l₁和l₂连接的结果为l₁[1],l₁[2],L,l₁[k],l₂[k]，连接要求为(l₁[1]＝l₂[1])∧(l₁[2]＝l₂[2])∧L∧(l₁[k-1]＝l₂[k-1])∧(l₁[k]≠l₂[k])。

Eclat算法借助垂直数据集的优势，其性能一般优于基于水平数据集进行挖掘的算法，但是Eclat算法仍然有一些不足之处，具体如下所示：

(1)Eclat算法基于深度优先的方法寻找所有的频繁项集，不能利用 Apriori算法的剪枝定理进行剪枝，所以，其搜索空间比Apriori的搜索空间要大的多，无形之中加大了计算量，影响了挖掘算法的效率。

(2)Eclat算法借助了垂直数据表示的优势，但也产生了另一个缺点，那就是当事务数据库的事务数量很大时，会导致每一个项集的TIDset中的元素也非常多，进一步导致利用交叉计数求取项集的支持度时的计算量非常大，这成为限制Eclat算法效率的另一个瓶颈所在。