[發明專利]一種基于項集熵的數據挖掘方法

在審

• 申請號: 201611247714.8
• 申請日: 2016-12-29
• 公開（公告）號: CN106802936A
• 公開（公告）日: 2017-06-06
• 發明（設計）人: 鄧珍榮;張晶晶;朱益立;龔敏;黃文明
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京輕創知識產權代理有限公司11212
• 代理人: 楊立

1.一種基于項集熵的數據挖掘方法，其特征在于，該方法包括以下步驟：

步驟1：對采集的數據進行預處理，轉化為同緯度的事務數據集存放到數據庫；

步驟2：檢索數據庫，獲取單項集和多項集的支持度；

步驟3：根據項集熵計算單項集的權值，根據單項集的權值計算單項集的加權支持度；

步驟4：去除加權支持度不滿足支持度閾值的單項集，得到加權頻繁1項集；

步驟5：根據單項集權值計算多項集的權值，根據多項集的權值計算多項集的加權支持度；

步驟6：去除加權支持度不滿足支持度閾值的多項集，得到加權頻繁多項集；

步驟7：根據滿足置信度閾值的加權頻繁項集的加權支持度和置信度得到改進關聯規則。

2.根據權利要求1所述一種基于項集熵的數據挖掘方法，其特征在于，步驟1包括：

步驟1.1：異常數據清除、錯誤糾正及重復數據清除；

步驟1.2：將數據通過數據概化轉換成適用于數據挖掘的形式；

步驟1.3：將數據按條數存儲在數據庫中并編號。

3.根據權利要求1所述一種基于項集熵的數據挖掘方法，其特征在于，步驟2包括：

步驟2.1：遍歷數據庫；

步驟2.2：統計各個項集的出現次數；

步驟2.3：按出現次數從大到小的順序生成單項集臨時表；

步驟2.4：根據臨時表中各個項集的出現次數與總事務數據集數的比值得到各個項集支持度。

4.根據權利要求1至3中任一權利要求所述一種基于項集熵的數據挖掘方法，其特征在于，所述步驟3包括：

步驟3.1：根據信息熵的特性得到

其中，H(u)為項集熵，P_i表示單項集中字段i的重要性，在事務數據集中，項集I＝{I₁,I₂,…I_m}，I_i所擁有的權值為w(I_i)＝H(I_i)；

步驟3.2：根據支持度與權值的乘積得到單項集的加權支持度，項集I＝{I₁,I₂,…I_n}，則I的加權支持度為：wsup(I)＝w(I)·sup(I)；

其中，sup(I)為I的支持度，w(I)為I的權值。