网格环境下的关规则挖掘算法研究.pdf

舢舢『『fff『『ffI川川f『fff舢fffff删 、t 1789513 中 文 摘 要 网格是建立在Internet上的一种新兴的高性能计算平台，能够将各种计算资源整合 起来，转化为一种随处可得的、可靠的、经济的计算能力，具有分布性和异构性、共享 性和动念性、虚拟性等特点。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随 机的数据中，提取隐含在其中的、人们事先不知道的潜在有用的信息或知识的非平凡过 程。关联规则是数据挖掘中的一种主要研究内容，体现了事物与事物之I廿J存在的相互依 存性和关联性，具有广泛的应用价值。本文，采用网格作为分布式计算平台，对关联规 则的分布式挖掘算法进行了研究。其主要的研究成果如下： 第一、网格环境下的频繁模式挖掘算法GridDMF。该算法首先，在各站点分别独 立的挖掘出局部频繁项目集，归并产生候选全局频繁项目集；然后，对候选项集进行剪 枝，并将其广播给各站点；扫描一次数据库统计出各项目出现的次数，求得最终的全局 频繁项集。通过对候选项集的剪枝，减少了各站点fBJ的网络传输量，降低了各站点中项 目集的计算量，从而提高了全局频繁项目集的挖掘效率；最后，以恒星光谱数据作为形 式背景，通过实验验证了此算法的正确性和有效性。 局项目头表；然后，各站点根据这个项目头表的顺序，独立构造局部频繁模式树BFP—tree， 利用合并算法将各局部树合并为一颗全局频繁模式树，并在全局频繁模式树上提取出所 求的频繁项目集，通过对传统频繁模式树的存储结构的改进，减少了树的规模及站点间 的网络通信量，并使树的遍历更加方便有效，提高了合并效率，从而提高了整个频繁项 目集的挖掘效率。最后，采用天体光谱数据作为形式背景，实验验证了该算法的『F确性 和有效性。 关键字：分和式数据挖掘；网格；关联规则；最小支持度；恒星光谱数掘 ABSTRACT isadistributed basedon a Grid platform Internet，canintegrate computing theresourcesintoakindof of convert widely resources，and varietycomputing has andeconomical distributed， available，reliable computingpower．It andvirtualandSOon．Data isa heterogeneous，sharing，dynamic mining non—trivial of useful unknown，potential discoveringimplicit，previously process orinformationfrom dataset． patterns mainresearchcontentsofdata the AssociationruleiSoneofthe