37、基于快速树的不确定数据频繁项集挖掘

基于快速树的不确定数据频繁项集挖掘

在处理不确定数据时，频繁项集挖掘是一项重要的任务。本文将介绍两种相关算法：CUF - growth 和 CUF - growth*，并通过实验对比它们与现有算法的性能。

1. CUF - growth 算法

CUF - growth 算法用于从 CUF - tree 中挖掘频繁项集，它处理的是事务上限（transaction caps），而非像 FP - growth 算法那样处理出现频率。其基本操作是构建投影数据库并递归挖掘频繁项集的扩展。

1.1 相关性质和引理

• 性质 1 ：要计算所有后缀为 x 的潜在频繁项集，只需累积 CUF - tree 中标记为 x 的节点的前缀子路径。路径上每个节点的事务上限与路径中对应节点 x 的事务上限相同。
• 引理 4 ：设 X 是数据库 DB 中的一个 k - 项集（k ≥ 1），DBX 是 X - 投影数据库，Y 是 DBX 中的一个项集。那么，DB 中 X ∪ Y 的预期支持上限（expSupCap(X ∪ Y)）等同于 DBX 中事务的 Y 的预期支持上限（expSupCap(Y)）。

1.2 算法流程

以下是 CUF - growth 算法的伪代码：

Algorithm 2: Mining of “frequent” itemsets by CUF - growth
Input: A CUF - tree capturin