38、不确定数据挖掘与身份知识表示研究

不确定数据挖掘与身份知识表示研究

1. 不确定数据频繁项集挖掘

在不确定数据频繁项集挖掘领域，已经提出了多种算法。
- UF - growth 算法 ：该算法构建的 UF - 树可能会很大，因为只有当节点的 ⟨项，存在概率值⟩ 完全相同时，节点才会共享。
- UFP - growth 算法 ：为了减少树节点的数量，UFP - growth 算法将具有相同项但存在概率值相似的节点进行聚类。不过，与 UF - growth 这个精确算法不同，UFP - growth 是一个近似算法，可能会产生误报。

为了进一步减少树节点数量（相较于 UF - 树）和误报（相较于 UFP - growth），提出了 CUF - growth 和 CUF - growth 算法：
- CUF - growth 算法 ：通过在 CUF - 树中捕获上限（即事务中两个最高存在概率值的乘积），该算法为项集的期望支持度提供了一个严格的上限，从而减少了误报数量。它能在保持 CUF - 树节点数量与 FP - 树相同的情况下，高效地找到频繁项集。
- CUF - growth 算法**：该算法通过保留事务中项的第三高存在概率，进一步减少了误报数量，使得在从不确定数据中挖掘频繁项集时，项集的期望支持度上限更严格。

以下是几种算法的对比表格：
| 算法 | 树节点数量 | 误报情况 | 算法性质 |
| ---- | ---- | ---- | ---- |
| UF - growth |