大型数据库中利用强化学习改进treap的关联规则挖掘算法
信息的爆炸式增长使数据挖掘分析过程更加困难,针对普通关联规则挖掘算法很难在短运行时间和低 关联度的前提下完成大型数据库中变量关系的评估和发现的问题,提出利用强化学习算法改进tre印的大型数 据库关联规则挖掘算法。提出的算法首先计算数据库中每个变量的优先级;然后,在优先级模型中利用强化学 习算法改进的build-treap程序构建treap数据结构;最后,通过遍历程序和generateRule程序完成数据库中所需 的关系查找。在对提出的算法进行稳定性分析后进行了仿真验证实验,实验结果表明,提出的算法在其最次和 最佳案例分析中分别能够完成O(凡log n)次和0(n2)次挖掘,能够在较短时间内完成低关联度的大型数据库中 变量关系挖掘任务,相对于改进型Apfiofi算法和改进型FP生长算法有较大提升。
- 2021-06-20
- 阅读90
- 下载0
- 5页
- pdf