一种基于不确定数据的频繁模式分布式挖掘算法研究

李 峰

（湖南工程学院 计算机与通信学院，湘潭 411104）

0 引言

现实世界数据分为两类：精确数据和不确定数据.在精确数据中人们必须精确知道相互作用数据的质量，而在不确定数据中，由于人们无法精确确定数据的质量，数据质量常常用概率来表示.

数据采掘就是从真实世界数据中提取知识.因为人类对现实世界认识的局限性，造成不确定数据在数据挖掘中普遍存在.人们越来越关注从不确定数据中挖掘频繁模式.

频繁模式（frequent pattern），是指频繁地出现在数据集中的模式，譬如项集、子序列或子结构.在数据集中挖掘频繁模式称为频繁模式挖掘.

1 相关工作

1.1 频繁模式挖掘概述

一般频繁模式挖掘算法都只是处理确定数据.但是越来越多的人们关注从不确定数据中挖掘交易决策树 .Chui［1］，韩［2］，Leung［3］都研究过不确定数据，并开发出相应算法，从不确定数据中挖掘知识在现实生活非常重要［4］.Chui提出 U-Apriori算法，该算法根据范式产生并检测候选集.Leung提出挖掘不确定数据的树型结构算法并在文献［4］中提出改进过的UF-tree and UF-growth算法.因为不确定数据的复杂性，在单机上处理分析很单薄，这时采用分布式处理就会相对容易.本文提出一种基于交易决策树的分布式处理策略，完善了Leung在文献［3］中提出的在分布式环境中处理交易决策树的算法——PUF-Tree，能快速挖掘出频繁模式.文献［1］Chui的U-Apriori算法是基于不确定数据的算法，但其需要多次遍历搜索.随后文献［3］Leung提出了UF-growth算法，减少了对不确定数据的扫……