基于FP-growth算法的高维混合属性数据挖掘方法

摘要

常规高维混合属性数据挖掘方法多采用云平台技术，无法完整保留数据的结构相似性，使得数据挖掘效率较低。为此，提出了基于FP-growth算法的高维混合属性数据挖掘方法。为了改善数据质量，根据高维混合属性数据在数据库中的存储结构，采用了一种固定算法实现数据去噪，并依据数据类型计算分类型和数值型相似度，结合FP-growth算法对频繁项样本分支进行筛选生成项表头，保证数据结构相似性的完整性，通过搜索项表头输出有效关联规则，实现数据挖掘过程。实验结果表明，所提方法具有较高的挖掘效率。

关键词

数据挖掘 / FP-growth算法 / 固定算法 / 高维混合属性

基金资助

广东省教育厅资助项目(2022WTSCX302); 广东茂名幼儿师范专科学校2022年度教育科学“十四五“规划资助项目(2022GMYSKT08)