论文部分内容阅读
不确定性数据挖掘是数据挖掘领域的研究热点，但其应用于最大频繁项集的算法较少。根据不确定数据挖掘的特点，把挖掘确定性数据最大频繁模式的GenMax算法扩展到不确定数据中，提出一种U—GenMax算法。对Tid集进行扩展，在id域的基础上增加概率域，实现垂直数据格式转换。在频繁项集判断方面加入前置判断来剪枝非频繁项集，相比直接计算置信度的方式，降低了计算量。基于栈式结构给出多步回退剪枝新策略，从而避免GenMax算法只能单步回退的缺陷。实验结果证明，该算法计算性能良好，可适用于各种情况下的稀疏数据集与支持度较