[发明专利]一种基于布尔矩阵和二进制编码改进的关联规则Apriori算法

说明书

本发明提出一种基于布尔矩阵与二进制编码改进的关联规则Apriori算法。通过用布尔矩阵存储数据库的方式，使得整个算法对数据库只进行一次扫描操作，然后利用二进制编码之间的“与”运算，获取项集的事务支持度，同时增加了非频繁项集的记录表，对候选项集提前剪枝，大大提高了算法的效率。

技术领域

本发明涉及一个基于布尔矩阵和二进制编码改进的关联规则Apriori算法，属于数据挖掘领域。

背景技术

Apriori算法是最经典的关联规则挖掘算法之一，其核心思想就是利用连接产生候选项集，同时利用最小支持度对候选项集进行剪枝，最终生成频繁项集，但是随着数据爆发性的增长，传统的Aprior算法需要多次扫描数据库并且容易产生大量的候选项集，使得算法效率低下。

因此本发明提出一种基于布尔矩阵与二进制编码改进的关联规则Apriori算法，通过用布尔矩阵存储数据库的方式，使得整个算法对数据库只进行一次扫描操作，然后利用二进制编码之间的“与”运算获取项集的事务支持度，同时增加了非频繁项集的记录表，对候选项集提前剪枝，大大提高了算法的效率。

发明内容

为了解决Apriori算法需要多次扫描数据库与产生大量候选项集的缺点，本发明提出了一种基于布尔矩阵与二进制编码改进的关联规则Apriori算法。

为实现上述目的，本发明提供了如下技术方案：

1.一种基于布尔矩阵和二进制编码改进的关联规则Apriori算法，其特征在于，该方法包括以下步骤：

(1)扫描数据库，生成布尔矩阵，获得频繁1-项集；

(2)压缩布尔矩阵；

(3)提前预剪枝，同时建立非频繁项集的记录表；

(4)建立辅助表；

(5)更新非频繁项集记录表；

(6)缩减算法流程；

(7)压缩布尔矩阵，预剪枝，同时返回到步骤4，直到频繁k-项集个数小于k+1时，迭代结束。

2.根据权利要求1所述的一种基于布尔矩阵和二进制编码改进的关联规则Apriori算法，其特征在于，所述步骤(1)中，扫描数据库，生成布尔矩阵，获得频繁1-项集，具体步骤为：

步骤1-1首先扫描数据库，用布尔矩阵来存储，行表示事务id，列表示项，其中矩阵中的a_ij的可能取值为0或1，取值为1就代表此项目存在于事务中，0就代表不存在。计算各个事务的项目数，并按这个值对矩阵进行降序排列，在矩阵最后增加2列，第1列n，n用来记录每行中“1”的个数，第2列w，w用于将事务数据库中重复出现的事务压缩为1行，从而保证矩阵存储中每1条事务信息都不重复，在矩阵最后增加1行s，s用来记录每列的和；

步骤1-2根据布尔矩阵，获得频繁1-项集。

3.根据权利要求1所述的一种基于布尔矩阵和二进制编码改进的关联规则Apriori算法，其特征在于，所述步骤(2)中，计算各个事务的项目数，并按这个值对矩阵进行降序排列，将非频繁1-项集所在的列删除，重新计算矩阵列n的值，按降序重新排列矩阵，同时在求频繁k-项集(k≥2)时，将矩阵中的事务数小于k的行直接删除，重新计算矩阵中各列的值并重新排列矩阵。

4.根据权利要求1所述的一种基于布尔矩阵和二进制编码改进的关联规则Apriori算法，其特征在于，所述步骤(3)中，提前预剪枝，同时建立非频繁项集的记录表，具体步骤为：

步骤3-1利用“若能生成频繁k-项集(k≥2)，则频繁(k-1)-项集中每个项的个数不能小于k-1”的性质，对候选k-项集(k≥2)进行剪枝；

步骤3-2建立非频繁项集的记录表；