p的项,得到频繁1-项集。将频繁1-项集的数据映射到与该项集数据库相对应的一个布尔矩阵R(al,a2,a3,…,an)o针对布尔矩阵R的第i行向量ai(i=1,2,…,n),统计二的个数bi。这里,j=1,2,…,n。判断bi2min??_sup*N是否成立。?(4)如果成立,这里的ai就可以被看成是可能行向量,它与频繁项集相对应。在这里,还需要对R中的其他行作出标记,即所包括的非零数量小于ai,接着开始检索后面未曾标记的行,相应地修改i值;反之,将该行作标记,接着开始检索后面未曾标记的行,相应地修改i值。如果iWn,然后跳至(3),反乙则跳至(6)o凡是在R中被标记的行全部删除。接着,把剩下的行向量依据其所包括的非零元素次序设定对应的频繁项集。3算法描述下面是算法的描述:输入:数据库D:最小支持度阀值min_sup输出:D中的频繁项集LL1=D中的频繁1-项集;S=D中的记录个数,N=min_sup*S;for(i=l,j=l;i=N)生成LI项集bi=Count_Vector(=);if(bi>N){c=Count_V(ai);for(k=i+l;kCount_V(ak)Delete(ak);}}2.4在电子商务中的应用举例在电子商务购物清单中提取一部分数据如图T,从其中找出频繁项集。第一步,先将电子商务购物清单表中的数据进行扫描,由于16个数小于最小支持度,所以,删除16并删除16所在的项集,再按项目II,12,I3,I4,I5,顺序生成频繁1-项集。设给定的最小支持度min_sup=0.3;第二步,以生成的频繁1-项集映射成布尔矩阵R,如图-2所示,记R=(al,a2,…,a8);第三步,计算al向量对应的bl,通过判断说明al为频繁项集对应的可能行向量,同时标记比al中非零个数小的向量a2,a4,a5,a7所对应的行;第四步算法从第四行a3开始,计算b3,由于b4
全文预览
