基于邊界快速求解EPs的算法.pdf

1、顯露模式(Emerging Patterns,EPs)是指那些從一個數據集到另一個數據集支持度發(fā)生顯著變化的項集,它們能夠捕獲數據庫中兩個數據集之間的多個屬性上的差異,可以用來建立分類器.近來已經提出了一系列基于EPs的分類器,如CAEP、JEP-Classifier、DeEP、BCEP、CEEP等.相關研究表明,它們的分類精度顯著的優(yōu)于傳統的分類器.因此,EPs的挖掘具有重要的意義.EPs的有效挖掘是一個具有挑戰(zhàn)性的課題.因為,(i)

2、EPs不具有Apriori的性質,即EP的超集和子集都不一定是EP;(ii)在挖掘EPs時,如果數據集維數較高或支持度閾值較低,需要考察的候選項數量巨大.因此,樸素的挖掘算法效率太低而幾乎不可行.Dong和Li首先把集族閉區(qū)間的表示引入到EPs的挖掘,提出了利用集族邊界來表示EPs,利用邊界運算來挖掘EPs.基于邊界的EPs挖掘算法提高了EPs的挖掘效率,進而使得EPs的有效挖掘具有可行性.然而,已有的邊界算法效率仍然很低,并且所挖掘的

3、結果需要用一組上下邊界表示,形式不自然,枚舉EPs的效率低.該文首先提出了一種改進的邊界運算算法FFBD(Filter First Border Differential,FFBD),該算法在求解差區(qū)間的左邊界時,逐層迭代擴展,并采取優(yōu)先過濾的策略:在每層迭代前,考察上層迭代的中間結果,選擇其中的一部分擴展為候選項,另外一部分作為過濾非最小項時的比較空間,提高了算法的效率.然后,我們證明了具有相同左邊界的兩個任意閉區(qū)間的差是閉的,可以用