上傳人：1***

認證信息

認證類型：個人認證

認證主體：繆**（實名認證）

IP屬地：江蘇

IP屬地：江蘇 上傳時間：2023-11-28 格式：DOCX 頁數(shù)：16 大?。?26.85KB 積分：6 舉報 版權(quán)申訴

APRIORI—介紹Apriori算法是一種挖掘關(guān)聯(lián)規(guī)則的頻繁項集算法，其核心思想是通過候選二根據(jù)支持度[2]找出全部頻繁項集(頻度)根據(jù)置信度[3]產(chǎn)生關(guān)聯(lián)規(guī)則(強度)三Apriori算法是一種最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項集的算法。是基于這樣的事實：算法使用頻繁項集性質(zhì)的先驗知識。Apriori使用一種稱作逐級搜k-Lk需要一次數(shù)據(jù)庫掃描。I的更大的集合也不可能是頻繁項集。Listofk+1_項集被剪掉，得到Ck1項集，然后濾去該Ck1k+1-項集。如果得到的Ck1項集為空，則算法結(jié)束。Lk項集中的全部項都是按攝影似的次序排列的，那么如Lk[i]Lk[j

k-1kLk[i]Lk[jL2中的{I1,I2}和{I1,I3}就是可連接的，連接之后得到{I1,I2,I3}，L2L3的過程中，列舉得到的3_項集涉及{I1,I2,I3},{I1,I3,I5},{I2,I3,I4},{I2,I3,I5},{I2,I4,I5}，但是由于{I3,I4}和L2中，因此{I2,I3,I4},{I2,I3,I5},{I2,I4,I5}被剪枝掉了。發(fā)現(xiàn)頻繁項集，過程為（1）掃描（2）計數(shù)（3）比較（4）LLLS則輸出規(guī)則“SàL-注：L-SLS子集的項集//找出頻繁1L1=find_frequent_1-itemsets(D);For(k=2;Lk-1!=null;k++){//Ck=apriori_gen(Lk-1//掃描DForeach事務(wù) inCt=subset(Ck,t);//tForeachcCt}//Lk={c屬于Ck|}ReturnL=全部的頻繁集；Procedureapriori_gen(Lk-1:frequent(k-1)-itemsets)Foreach項集l1屬于Lk-1Foreachl2屬于Lk-If((l1[1]=l2[1])&&(l1[2]=l2[2])&&……&&(l1[k-2]=l2[k-[k-1]<l2[k-1])

c=l1連接 //連接步：產(chǎn)生候//k-1c則進行剪枝ifhas_infrequent_subset(c,Lk-1)thendeletec;//elseaddcto}Return第二步：剪枝Procedurehas_infrequent_sub(c:candidatek-itemset;Lk-1:frequent(k-1)-itemsets)Foreach(k-1)-subsetsofcIfsLk-1thenReturntrue;ReturnID項集的過程以下具體介紹下候選3C3的產(chǎn)生過程：從連接步，首先C3Apriorik項集后，只需檢查它們的（k-1）個子集與L1=find_frequent_1-itemsets(D);//找出全部頻繁1Ck=apriori_gen(Lk-1);//ForeachtinD{//D進行候選計數(shù)Ct=subset(Ck,t);//t的子集Foreachc}Lk={cCk|}ReturnL=Procedureapriori_gen(Lk-1:frequent(k-1)-itemsets)Foreachl1Lk-1Foreachl2Lk-If((l1[1]=l2[1])&&(&&(l1[k-2]=l2[k-2])&&(l1[k-1]<l2[k-1]))c=l1l2ifhas_infrequent_subset(c,Lk-1)thendeletec;剪枝步：刪除非頻繁候選elseaddcto}ReturnProcedurehas_infrequent_sub(c:candidatek-itemset;Lk-1:frequent(k-1)-itemsets)Foreach(k-1)-subsetsofcIfsLk-1thenReturntrue;ReturnJavapackagecom.apriori;importjava.util.ArrayList;importjava.util.Collections;importjava.util.HashMap;importjava.util.List;importjava.util.Map;importjava.util.Set;publicclassAprioriprivatefinalstaticintSUPPORT2;//privatefinalstaticdoubleCONFIDENCE0.7;//privatefinalstaticStringITEM_SPLIT=";";//privatefinalstaticStringCON="->";//privatefinalstaticList<String>transList=newArrayList<String>()}

publicMap<String,Integer>Map<String,Integer>itemkFcMap=newHashMap<String,Integer>();Set<String>出現(xiàn)，計數(shù)加

for(Stringtrans:transList){for(Stringbooleanflag=true;//String[]candidateItems=candidate.split(ITEM_SPLIT);for(StringcandidateItem:candidateItems){}}}}}

Integercount=candidateCollection.get(candidate);candidateCollection.put(candidate,count+1);for(StringIntegercount=candidateCollection.get(candidate);itemkFcMap.put(candidate,}}}return}

privateMap<String,Integer>

Set<String>itemkSet1=itemkFcMap.keySet();Set<String>for(Stringfor(String//String[]String[]Stringc="";

}boolean}}}{tmpC.length;j++)

}//booleanhasInfrequentSubSet=false;if(!c.equals("")){String[]tmpCfor(inti=0;i<tmpC.length;StringsubC="";for(intj=0;j<if(i!=j)subC=}}(itemkFcMap.get(subC)==null)hasInfrequentSubSet=

}

}}candidateCollection.put(c,}}}return}privateMap<String,Integer>getItem1FC(){Map<String,Integer>sItem1FcMap=newfor(StringString[]items=trans.split(ITEM_SPLIT);for(Stringitem:items){}}}Set<String>keySet=sItem1FcMap.keySet();for(Stringkey:keySet){Integercount=sItem1FcMap.get(key);rItem1FcMap.put(key,}}return}publicMap<String,Double>getRelationRules(Map<String,Integer>Map<String,Double>relationRules=newSet<String>keySet=frequentCollectionMap.keySet();for(Stringkey:keySet){doublecountAll=frequentCollectionMap.get(key);String[]keyItems=key.split(ITEM_SPLIT);List<String>source=newArrayList<String>();Collections.addAll(source,keyItems);List<List<String>>result=new

buildSubSet(source,result);//sourcefor(List<String>itemList:result){List<String>otherList=newfor(String}}StringreasonStr="";//前置StringresultStr="";//成果for(Stringitem:itemList){}for(String}doublecountReason=frequentCollectionMap.get(reasonStr);doubleitemConfidence=countAll/countReason;//計算置信度Stringrule=reasonStr+CON+resultStr;relationRules.put(rule,itemConfidence);}}}}}return} voidbuildSubSet(List<String>sourceSet,List<List<String>>result)//result

if(sourceSet.size()==1)List<String>set=newArrayList<String>();}elseif(sourceSet.size()>1)//nn-1中n

buildSubSet(sourceSet.subList(0,sourceSet.size()-intsizeresult.size();//result//nList<String>single=newArrayList<String>();single.add(sourceSet.get(sourceSet.size()-1));//n-1nnresult中//n-1的子集，因此需要先對其進行復(fù)制List<String>clone;for(inti=0;i<size;i++)clone=newArrayList<String>();for(Stringstr:result.get(i)){}clone.add(sourceSet.get(sourceSet.size()-}}}publicstaticvoidmain(String[]Aprioriapriori=newMap<String,Integer>frequentCollectionMap=apriori.getFC(); Set<String>for(String } Set<String>rrKeySet=relationRulesMap.keySet();for(StringrrKey:rrKeySet){ }}}五海量數(shù)據(jù)下，Apriori 級。由頻繁k-1項集進行自連接生成的候選頻繁k項集數(shù)量巨大。六1.2.的辦法。3.基于采樣的辦法。4.我看了下“基于劃分的辦法”其中，partition算法要注意的是分片的大小選用，要確保每個分片能夠被放七Apriori算法廣泛應(yīng)用于多個領(lǐng)域，通過對數(shù)Apriori算法廣泛應(yīng)用于商業(yè)中，應(yīng)用于消費市場價格分析中，它能夠很快Apriori算法應(yīng)用于網(wǎng)絡(luò)安全領(lǐng)域，例如時候入侵檢測技術(shù)中。早期中大型AprioriApri