对FPgrowth算法的一种改进算法Word下载.docx

对FPgrowth算法的一种改进算法Word下载.docx

《对FPgrowth算法的一种改进算法Word下载.docx》由会员分享，可在线阅读，更多相关《对FPgrowth算法的一种改进算法Word下载.docx（6页珍藏版）》请在冰豆网上搜索。

　　FP-growth算法开辟了有效挖掘频繁模式的新途径。

然而，它的时间和空间效率还不足够高，仍可以进一步改进，本文提出一种称为NFP-growth算法的新方法。

　　1NFP-growth算法的设计与实现

　　1.1对FP-Tree头表结点数据结构的改进

　　在FP-Tree算法中，当每次要插入一个新的树节点时，需要在FP-tree中找与头表有相同的item_name的项，必须回到头表中，一个一个找出最后一个同名节点的node_link域后，再将新节点加入。

这种做法每次有一个新的树节点出现时就必须从头表第一个开始找，直到找出最后一个，数据量大时效率明显不佳。

　　要解决这个问题，可以考虑在头表节点中加上一个tail域，用来记录每一项的当前最后一个结点，这样当加入一个新节点时就不需要循序地一个一个找到最后一个node_link，而可以直接将新增加的项放到tail域中即可。

　　项目头表中增加了tail域后，headertable的数据结构变化如图1所示。

　　Item_name：

countTail_linkNode_link

　　图1数据结构变化

　　定义如下：

　　HTable：

　　Typedefstruct

　　{

　　intitem_name；

　　unsignedintcount；

//项目所出现的次数

　　structnode*node_link,//指向头表中相同项目的node_link的下一个节点

　　structnode,tail_link//记录头表中相同项目的node—link的最后一个节点所在位置

　　}//HTable；

　　算法的变化：

　　只要在FP-growth算法中有关建立头表链接部分加入下边程序即可：

　　if（headertable.tail=nul1）

　　headertable．node-link=新增节点；

　　headertable．tail-link=新增节点；

　　}

　　else

　　{headertable．Node-link所指node->

next=新增节点；

　　headertable．Tail-link=新增节点；

　　1.2对频繁模式树构造的改进

　　NFP-growth算法与原始FP-growth算法具有相似的算法流程结构，不同之处在于改进了结点结构，引进了标记位，在挖掘频繁模式时不生成条件FP-树，而且在对标记位进行计数时，不再采用原来的递归的、效率低的方法，而是引用了数组指针的概念。

（1）NFP-growth算法改进的节点数据结构。

　　Typedefstructfptnode{

　　Structfptnode*link;

//*link是指向具有相同item的节点的指针；

　　Structfptnode*Parent;

//*Parent是指向父节点的指针或左子女的指针；

　　intnode_name;

//node_name是存放item值（项目名）的数据；

　　intnode_count;

//node_count是记录item在事务对象中出现的计数；

　　intnode_mark:

//node_mark用来标识当前节点是否是需要处理的节点；

　　intnum//num用来标识一次回溯路径中item出现的次数；

　　}FPTNODE;

（2）NFP-growth算法中生成NFP-树的NFP-树的算法描述。

　　算法:

NFP-树构造

　　输入:

事务数据库D，最小支持度min_sup

　　输出:

FP-树

　　方法:

　　①扫描数据库D得到频繁项1-项集，按照支持度从大到小排列，得到频繁项目序列L；

　　②创建NFP-Tree:

　　For数据库中的每个事务tdo

　　将NFP-Tree中的current指针初始化，使其指向根节点T；

　　将事务t中的满足最小支持度计数要求的项按支持度从大到小放到队列Q中:

　　For队列Q中的每一个项Ido

　　NFP_tree_insert（I）；

//在current指针所指节点的子女中插入I

　　③按层次遍历整棵NFP-tree，把每个节点C及其父节点P的指针作为一个队列元素放入队列Q中:

　　④For队列Q中每个元素qdo

　　q.c^node_parent:

=q.p;

//翻转父节点指针

　　函数（）:

　　FunctionNFP-tree_insert（ID）//在NFP-Tree中插入一个值为ID的节点

　　Ifcurrent指针指向的节点没有子女节点then

　　新建一个值为ID的NFP-tree节点node，current.node_parent=node;

　　修改current指针，使其指向新节点node;

　　Elseifcurrent指针指向节点的子女节点中有值为ID的节点then

　　该子女的节点的node_count值增加为1并修改current指针指向它；

　　Else

　　新建一个值为ID的NFP_tree节点的node；

　　在该节点子女的node_link链上添加node并使其count值为1；

　　修改curent指针，使其指向新节点node；

　　（3）调用NFP-growth算法对生成的NFP-树进行频繁模式挖掘。

　　Mine_NFP-tree操作如下:

　　Proceduremine_NFP-tree（Tree，α）

　　{

　　for指针数组的item_Point［n］的每一项，在Tree的项头表中

{

　　while（item_point［n］!

=null）

　　Ifmarkofitem_point［n］is0

　　Item_point［n］=item_point［n］->

link；

　　elsedo

　　产生一个模式β=item_point∪item_point［n］，其支持度:

　　support=item_point［n］.supprot；

　　构造β的条件NFP-树（Mark_tree）:

　　①回溯β的前缀路径，设置num的值。

　　后缀节点的nmu=count;

　　回溯节点的num值为其孩子节点的num之和

　　②在回溯的前缀路径中，判断具有相同item的所有节点的num之和NUM，并与最小支持度比较。

　　If（NUM>

=support）setthemarksoftheseitemstol:

　　elsesetthemarksoftheseitemsto0

　　item-point［n］=item-point［n］->

link;

　　Iftree含单个路径Pandmarkislthen

　　for路径P中每个mark值为1节点的每个组合（记作β）

　　产生模式β∪item_point，其支持度support=β中节点的最小支持度

　　}

　　End

　　2NFP-growth算法与FP-growth算法性能测试

　　2.1实验环境与实验数据源

　　本实验是在一台CPU为P4，内存为256M，硬盘80G的兼容机上完成的，程序采用javascript编制。

　　该数据集包含2000个事务，10个属性，是一个关联度一般的数据集，原始数据集大小约为148K。

　　2.2实验结果

　　实验结果见表1和图2（图2是表1的图形表示）

　　表1FP-growth和NFP-growth执行效率比较

　　支持度频繁项目数FP-growth执行时间（s）NFP-growth执行时间（s）耗费时间比例

　　100175623.1242.2011.42：

1

　　3005000.8450.7351.57：

　　5001100.6810.6231.03：

　　100060.4890.4600.96：

　　3结束语

　　通过对表1和图2的分析可以看出，随着支持度不断

　　减小，频繁项目数不断增加，NFP-growth算法的执行效率比FP-growth算法大得更多，可见NFP-growth算法的性能优于FP-growth算法。

　　图2FP-growth和NFP-growth执行效率比较的图形表示

　　参考文献：

　　［1］毛国君，段立娟.数据挖掘原理与算法[M].北京：

清华大学出版社,2005.

　　［2］维普资讯[EB/OL].