摘要
信息的爆炸式增长使数据挖掘分析过程更加困难,针对普通关联规则挖掘算法很难在短运行时间和低关联度的前提下完成大型数据库中变量关系的评估和发现的问题,提出利用强化学习算法改进treap的大型数据库关联规则挖掘算法.提出的算法首先计算数据库中每个变量的优先级;然后,在优先级模型中利用强化学习算法改进的build-treap程序构建treap数据结构;最后,通过遍历程序和generateRule程序完成数据库中所需的关系查找.在对提出的算法进行稳定性分析后进行了仿真验证实验,实验结果表明,提出的算法在其最次和最佳案例分析中分别能够完成O(n log n)次和0(n2)次挖掘,能够在较短时间内完成低关联度的大型数据库中变量关系挖掘任务,相对于改进型Apriori算法和改进型FP生长算法有较大提升.
基金项目
国家自然科学基金资助项目(31660602)
国家自然科学基金资助项目(31660701)
国家自然科学基金资助项目(31960361)
内蒙古自然科学基金资助项目(2017BS403)
内蒙古自治区高等学校科学研究项目(NJZY20055)
国家科技期刊平台
NSTL
维普
万方数据