1、 歡迎下載 Apriori 算法實(shí)驗(yàn)報(bào)告 學(xué) 號： 姓 名： 專 業(yè)： 計(jì)算機(jī)應(yīng)用技術(shù) 教 師： 計(jì)算機(jī)學(xué)院計(jì)算機(jī)學(xué)院 歡迎下載 目 錄 1 APRIORI 實(shí)驗(yàn)實(shí)驗(yàn) .1 1.1 實(shí)驗(yàn)背景 .1 1.1.1 國內(nèi)外研究概況.1 1.1.2 發(fā)展趨勢.1 1.2 實(shí)驗(yàn)內(nèi)容與要求 .1 1.2.1 實(shí)驗(yàn)內(nèi)容.1 1.2.2 實(shí)驗(yàn)要求.1 1.2.3 實(shí)驗(yàn)?zāi)康?2 2 APRIORI 算法分析與實(shí)驗(yàn)環(huán)境算法分析與實(shí)驗(yàn)環(huán)境 .3 2.1 APRIORI算法的描述.3 2.2 APRIORI算法的步驟.3 2.3 開發(fā)環(huán)境 .3 2.3.1 軟件環(huán)境.3 2.3.2 硬件環(huán)境.4 2.4 本章小結(jié) .

2、4 3 算法的設(shè)計(jì)算法的設(shè)計(jì).5 3.1 APRIORI算法整體框架.5 3.2 主要的數(shù)據(jù)結(jié)構(gòu)與函數(shù) .5 3.2.1 數(shù)據(jù)結(jié)構(gòu).5 3.2.2 主要的程序.6 3.2.3 連接與剪枝操作.6 3.3 本章小結(jié) .6 4 數(shù)據(jù)庫的設(shè)計(jì)與數(shù)據(jù)的來源數(shù)據(jù)庫的設(shè)計(jì)與數(shù)據(jù)的來源.7 4.1 正確性驗(yàn)證數(shù)據(jù).7 4.2 實(shí)驗(yàn)數(shù)據(jù) .7 4.3 本章小結(jié) .8 5 實(shí)驗(yàn)結(jié)果與性能分析實(shí)驗(yàn)結(jié)果與性能分析.9 5.1 APRIORI實(shí)驗(yàn)界面.9 5.2 實(shí)驗(yàn)的正確性驗(yàn)證 .9 5.3 實(shí)驗(yàn)性能分析 .10 5.3.1固定最小支持度改變數(shù)據(jù)量.10 5.3.2固定數(shù)據(jù)量改變最小支持度.11 5.3.3實(shí)驗(yàn)結(jié)果

3、分析.11 5.4 本章小結(jié) .12 6 總結(jié)與體會總結(jié)與體會.13 歡迎下載 1 Apriori 實(shí)驗(yàn)實(shí)驗(yàn) 1.1 實(shí)驗(yàn)背景實(shí)驗(yàn)背景 現(xiàn)在, 數(shù)據(jù)挖掘作為從數(shù)據(jù)中獲取信息的有效方法, 越來越受到人們的重視。關(guān) 聯(lián)規(guī)則挖掘首先是用來發(fā)現(xiàn)購物籃數(shù)據(jù)事務(wù)中各項(xiàng)之間的有趣聯(lián)系。從那以后, 關(guān)聯(lián) 規(guī)則就成為數(shù)據(jù)挖掘的重要研究方向,它是要找出隱藏在數(shù)據(jù)間的相互關(guān)系。目前關(guān)聯(lián) 規(guī)則挖掘的研究工作主要包括：Apriori 算法的擴(kuò)展、數(shù)量關(guān)聯(lián)規(guī)則挖掘、關(guān)聯(lián)規(guī)則增 量式更新、無須生成候選項(xiàng)目集的關(guān)聯(lián)規(guī)則挖掘、最大頻繁項(xiàng)目集挖掘、約束性關(guān)聯(lián) 規(guī)則挖掘以及并行及分布關(guān)聯(lián)規(guī)則挖掘算法等。關(guān)聯(lián)規(guī)則的挖掘問題就是在事務(wù)

4、數(shù)據(jù) 庫 D 中找出具有用戶給定的滿足一定條件的最小支持度 Minsup 和最小置信度 Minconf 的關(guān)聯(lián)規(guī)則。 1.1.1 國內(nèi)外研究概況國內(nèi)外研究概況 1993 年，Agrawal 等人首先提出關(guān)聯(lián)規(guī)則概念，關(guān)聯(lián)規(guī)則挖掘便迅速受到數(shù)據(jù)挖 掘領(lǐng)域?qū)＜业膹V泛關(guān)注.迄今關(guān)聯(lián)規(guī)則挖掘技術(shù)得到了較為深入的發(fā)展。Apriori 算法 是關(guān)聯(lián)規(guī)則挖掘經(jīng)典算法。針對該算法的缺點(diǎn)，許多學(xué)者提出了改進(jìn)算法，主要有基 于哈希優(yōu)化和基于事務(wù)壓縮等。 1.1.2 發(fā)展趨勢發(fā)展趨勢 關(guān)聯(lián)規(guī)則挖掘作為數(shù)據(jù)挖掘的重要研究內(nèi)容之一, 主要研究事務(wù)數(shù)據(jù)庫、關(guān)系數(shù) 據(jù)庫和其他信息存儲中的大量數(shù)據(jù)項(xiàng)之間隱藏的、有趣的規(guī)律。關(guān)

5、聯(lián)規(guī)則挖掘最初僅 限于事務(wù)數(shù)據(jù)庫的布爾型關(guān)聯(lián)規(guī)則, 近年來廣泛應(yīng)用于關(guān)系數(shù)據(jù)庫, 因此, 積極開展 在關(guān)系數(shù)據(jù)庫中挖掘關(guān)聯(lián)規(guī)則的相關(guān)研究具有重要的意義。近年來,已經(jīng)有很多基于 Apriori 算法的改進(jìn)和優(yōu)化。研究者還對數(shù)據(jù)挖掘的理論進(jìn)行了有益的探索，將概念格 和粗糙集應(yīng)用于關(guān)聯(lián)規(guī)則挖掘中，獲得了顯著的效果。到目前為止，關(guān)聯(lián)規(guī)則的挖掘 已經(jīng)取得了令人矚目的成績，包括：單機(jī)環(huán)境下的關(guān)聯(lián)規(guī)則挖掘算法；多值屬性關(guān)聯(lián) 規(guī)則挖掘；關(guān)聯(lián)規(guī)則更新算法；基于約束條件的關(guān)聯(lián)規(guī)則挖掘；關(guān)聯(lián)規(guī)則并行及分布 挖掘算法等。 1.2 實(shí)驗(yàn)內(nèi)容與要求實(shí)驗(yàn)內(nèi)容與要求 1.2.1 實(shí)驗(yàn)內(nèi)容實(shí)驗(yàn)內(nèi)容 編程實(shí)現(xiàn) Apriori 算

6、法：要求使用a,b,c,d,e,f,g,h,i,j10 個(gè)項(xiàng)目隨機(jī)產(chǎn) 生數(shù)據(jù)記錄并存入數(shù)據(jù)庫。從數(shù)據(jù)庫讀取記錄進(jìn)行 Apriori 實(shí)驗(yàn)，獲得頻繁集以及關(guān)聯(lián) 規(guī)則，實(shí)現(xiàn)可視化。并用課堂上 PPT 的實(shí)例測試其正確性。 1.2.2 實(shí)驗(yàn)要求實(shí)驗(yàn)要求 1、程序結(jié)構(gòu)：包括前臺工具和數(shù)據(jù)庫； 2、設(shè)定項(xiàng)目種類為10個(gè)，隨機(jī)產(chǎn)生事務(wù)，生成數(shù)據(jù)庫； 3、正確性驗(yàn)證（可用課堂上的例子） ； 4、算法效率的研究：在支持度固定數(shù)據(jù)量不同的時(shí)候測量運(yùn)行時(shí)間；在數(shù)據(jù)量固 定，支持度不同的時(shí)候測量運(yùn)行時(shí)間； 5、注意界面的設(shè)計(jì)，輸入最小支持度和最小可信度，能夠輸出并顯示頻繁項(xiàng)目集 以及關(guān)聯(lián)規(guī)則。 歡迎下載 1.2.3

7、 實(shí)驗(yàn)?zāi)康膶?shí)驗(yàn)?zāi)康?1、加強(qiáng)對 Apriori 算法的理解； 2、鍛煉分析問題、解決問題并動手實(shí)踐的能力。 歡迎下載 2 Apriori 算法分析與實(shí)驗(yàn)環(huán)境算法分析與實(shí)驗(yàn)環(huán)境 2.1 Apriori 算法的描述算法的描述 Apriori 算法是一種找頻繁項(xiàng)目集的基本算法。其基本原理是逐層搜索的迭代：頻 繁 K 項(xiàng) Lk 集用于搜索頻繁(K+1)項(xiàng)集 Lk+1，如此下去，直到不能找到維度更高的頻繁 項(xiàng)集為止。這種方法依賴連接和剪枝這兩步來實(shí)現(xiàn)。算法的第一次遍歷僅僅計(jì)算每個(gè) 項(xiàng)目的具體值的數(shù)量，以確定大型 l 項(xiàng)集。隨后的遍歷，第 k 次遍歷，包括兩個(gè)階段。 首先，使用在第(k-1)次遍歷中找到的

8、大項(xiàng)集 Lk-1 和產(chǎn)生候選項(xiàng)集 Ck。接著掃描數(shù)據(jù) 庫，計(jì)算 Ck 中候選的支持度。用 Hash 樹可以有效地確定 Ck 中包含在一個(gè)給定的事務(wù) t 中的候選。如果某項(xiàng)集滿足最小支持度, 則稱它為頻繁項(xiàng)集。 2.2 Apriori 算法的步驟算法的步驟 步驟如下: 1、設(shè)定最小支持度 s 和最小置信度 c； 2、Apriori 算法使用候選項(xiàng)集。首先產(chǎn)生出候選的項(xiàng)的集合,即候選項(xiàng)集,若候選 項(xiàng)集的支持度大于或等于最小支持度,則該候選項(xiàng)集為頻繁項(xiàng)集； 3、在 Apriori 算法的過程中,首先從數(shù)據(jù)庫讀入所有的事務(wù),每個(gè)項(xiàng)都被看作候選 1-項(xiàng)集,得出各項(xiàng)的支持度,再使用頻繁 1-項(xiàng)集集合來產(chǎn)生

9、候選 2-項(xiàng)集集合,因?yàn)橄闰?yàn) 原理保證所有非頻繁的 1-項(xiàng)集的超集都是非頻繁的； 4、再掃描數(shù)據(jù)庫,得出候選 2-項(xiàng)集集合,再找出頻繁 2-項(xiàng)集,并利用這些頻繁 2-項(xiàng) 集集合來產(chǎn)生候選 3-項(xiàng)集； 5、重復(fù)掃描數(shù)據(jù)庫,與最小支持度比較,產(chǎn)生更高層次的頻繁項(xiàng)集,再從該集合里 產(chǎn)生下一級候選項(xiàng)集,直到不再產(chǎn)生新的候選項(xiàng)集為止。 2.3 開發(fā)環(huán)境開發(fā)環(huán)境 2.3.1 軟件環(huán)境軟件環(huán)境 (1)編程軟件：Jdk 開發(fā)包+eclipse 集成開發(fā)環(huán)境 Eclipse 是一個(gè)開放源代碼的、基于 Java 的可擴(kuò)展開發(fā)平臺。就其本身而言，它 只是一個(gè)框架和一組服務(wù)，用于通過插件組件構(gòu)建開發(fā)環(huán)境。幸運(yùn)的是，E

10、clipse 附 帶了一個(gè)標(biāo)準(zhǔn)的插件集，包括 Java 開發(fā)工具（Java Development Kit，JDK） 。 (2)數(shù)據(jù)庫軟件：SQL Server 2008 SQL Server 2008 在 Microsoft 的數(shù)據(jù)平臺上發(fā)布，可以組織管理任何數(shù)據(jù)?？?以將結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化文檔的數(shù)據(jù)直接存儲到數(shù)據(jù)庫中。可以對數(shù)據(jù)進(jìn)行 查詢、搜索、同步、報(bào)告和分析之類的操作。數(shù)據(jù)可以存儲在各種設(shè)備上，從數(shù)據(jù)中 心最大的服務(wù)器一直到桌面計(jì)算機(jī)和移動設(shè)備，它都可以控制數(shù)據(jù)而不用管數(shù)據(jù)存儲 在哪里。 (3)辦公軟件：Excel 2010 Excel 是一款試算表辦公軟件。它是微軟辦公套裝軟

11、件 office 的重要的組成部分， 它是集統(tǒng)計(jì)分析、數(shù)據(jù)處理和輔助決策等功能于一身，現(xiàn)在金融、統(tǒng)計(jì)財(cái)經(jīng)、管理等 眾多領(lǐng)域廣泛應(yīng)用。本實(shí)驗(yàn)主要用來為固定數(shù)據(jù)量改變最小支持?jǐn)?shù)以及固定最小支持 數(shù)改變數(shù)據(jù)量兩種情況進(jìn)行時(shí)間分析提供可視化圖表。 歡迎下載 2.3.2 硬件環(huán)境硬件環(huán)境 裝有 Windows 7 旗艦版電腦。 2.4 本章小結(jié)本章小結(jié) 本章的內(nèi)容主要是為了引出本實(shí)驗(yàn)的主要算法以及對算法的實(shí)現(xiàn)環(huán)境做了介紹。 歡迎下載 3 算法的設(shè)計(jì)算法的設(shè)計(jì) 3.1 Apriori 算法整體框架算法整體框架 Apriori 開始 定義 minsup、minconf K=1,產(chǎn)生C1 掃描數(shù)據(jù)庫，產(chǎn)生L1

12、 生成1項(xiàng)頻繁項(xiàng)目集 由Lk連接，剪枝產(chǎn)生Ck+1 Ck為空 生成關(guān)聯(lián)規(guī)則 生成頻繁項(xiàng)目集 掃描，產(chǎn)生Lk+1 Apriori 結(jié)束 是 否 圖 3.1 Apriori 實(shí)驗(yàn)流程圖 3.2 主要的數(shù)據(jù)結(jié)構(gòu)與函數(shù)主要的數(shù)據(jù)結(jié)構(gòu)與函數(shù) 3.2.1 數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù)結(jié)構(gòu) class Transaction public int pid; public String itemset; 該類表示表中的一條記錄。 class Dao 歡迎下載 public ArrayList Query(String sql) 該類用于訪問數(shù)據(jù)庫操作。 class Kfp public char kfpstr=new cha

13、rApriori.ITEMSIZE; public int index=-1; public int support=0; public boolean isfp=true; 該類代表一個(gè)頻繁項(xiàng)目。 3.2.2 主要的程序主要的程序 Java 中最常用的集合類是 List 和 Map。 List 的具體實(shí)現(xiàn)包括 ArrayList 和 Vector，它們是可變大小的列表，比較適合構(gòu)建、存儲和操作任何類型對象的元素列表。 List 適用于按數(shù)值索引訪問元素的情形。HashMap：Map 接口的常用實(shí)現(xiàn)類，系統(tǒng) 當(dāng)成一個(gè)整體進(jìn)行處理，系統(tǒng)總是根據(jù) Hash 算法來計(jì)算的存儲 位置，這樣可以保證能快

14、速存、取 Map 的對。 ArrayList alTransactions：保存表中的所有記錄 ArrayList alKfpsl：臨時(shí)存儲頻繁項(xiàng)目的集合，存儲連接后的結(jié)果 ArrayList SureFpset：保存頻繁 k 項(xiàng)集 ArrayList SureFpsetPrio：保存頻繁 k-1 項(xiàng)集 ArrayList notFpList：保存一定不是頻繁項(xiàng)目的集合，用于剪枝 HashMap KfpSuppor:頻繁項(xiàng)目集及其對應(yīng)的支持?jǐn)?shù) HashMap guanlianguize:關(guān)聯(lián)規(guī)則及其置信度 3.2.3 連接與剪枝操作連接與剪枝操作 對于連接操作的兩個(gè)字符串(長度為 k)，它們必

15、須有 k-1 個(gè)相同的字符才能做連接 操作。 例如:abc 和 abd 可以連接成 abcd，abd 和 bcd 可以連接成 abcd，而 abc 和 ade 就不 可以做連接操作。整個(gè)連接過程類似歸并排序中的歸并操作 對于任一頻繁項(xiàng)目集的所有非空子集也必須是頻繁的，反之，如果某個(gè)候選的非 空子集不是頻繁的，那么該候選集肯定不是頻繁的，將其剪枝。 3.3 本章小結(jié)本章小結(jié) 本章主要介紹了算法設(shè)計(jì)的整體流程并且也對主要程序和操作作了簡要的說明。 歡迎下載 4 數(shù)據(jù)庫的設(shè)計(jì)與數(shù)據(jù)的來源數(shù)據(jù)庫的設(shè)計(jì)與數(shù)據(jù)的來源 本實(shí)驗(yàn)的數(shù)據(jù)均存儲于數(shù)據(jù)庫中。數(shù)據(jù)庫 yuzm 中共產(chǎn)生 6 張表。表 test 為測試

16、 用表，用于程序的正確性驗(yàn)證。還有 5 張表存儲隨機(jī)產(chǎn)生的實(shí)驗(yàn)數(shù)據(jù)。其中數(shù)據(jù)庫的 結(jié)構(gòu)如下圖所示。 圖 4.1 數(shù)據(jù)庫結(jié)構(gòu) 4.1 正確性驗(yàn)證數(shù)據(jù)正確性驗(yàn)證數(shù)據(jù) 表 test 為 PPT 上的實(shí)例，用于正確性驗(yàn)證。數(shù)據(jù)的 item 個(gè)數(shù)為 5，其中的九行數(shù) 據(jù)均由 SQL 語句產(chǎn)生，表的每一行都是一個(gè)“0” “1”的字符串，字符串長度等于商 品種類，其中“0”表示該商品不存在， “1”表示該商品存在。表的全部數(shù)據(jù)如圖 4.2。 圖 4.2 表 test 4.2 實(shí)驗(yàn)數(shù)據(jù)實(shí)驗(yàn)數(shù)據(jù) 5 張表是通過算法隨機(jī)產(chǎn)生的具有不同數(shù)據(jù)量的數(shù)據(jù)集，假設(shè)商品種類為 10 種， 表的每一行都是一個(gè)“0” “1”的字

17、符串，字符串長度等于商品種類，其中“0”表示 歡迎下載 該商品不存在， “1”表示該商品存在。其中表 data1 共隨機(jī)產(chǎn)生 1 萬行數(shù)據(jù)，表 data2 產(chǎn)生 5 萬行數(shù)據(jù)，表 data3 產(chǎn)生 25 萬行數(shù)據(jù)，表 data4 產(chǎn)生 50 萬行數(shù)據(jù)，表 data5 產(chǎn)生 75 萬行數(shù)據(jù)。部分?jǐn)?shù)據(jù)如圖 4.3。 圖 4.3 實(shí)驗(yàn)用表（部分） 4.3 本章小結(jié)本章小結(jié) 本章主要對數(shù)據(jù)庫的設(shè)計(jì)與數(shù)據(jù)來源做出了說明。 歡迎下載 5 實(shí)驗(yàn)結(jié)果與性能分析實(shí)驗(yàn)結(jié)果與性能分析 5.1 Apriori 實(shí)驗(yàn)界面實(shí)驗(yàn)界面 其中可信度可自由設(shè)置，默認(rèn)為 0.7。而支持度記為最小支持度與數(shù)據(jù)量的比例。 實(shí)驗(yàn)數(shù)據(jù)可以

18、下拉選擇 6 張表中的任意一張。如下圖所示： 圖 5.1 實(shí)驗(yàn)界面 5.2 實(shí)驗(yàn)的正確性驗(yàn)證實(shí)驗(yàn)的正確性驗(yàn)證 運(yùn)行程序，我們選擇表 test，即可進(jìn)行正確性驗(yàn)證，實(shí)驗(yàn)結(jié)果如下圖： 歡迎下載 圖 5.2 正確性驗(yàn)證 最終實(shí)驗(yàn)結(jié)果與 ppt 的結(jié)果相吻合，表明程序編寫正確。 5.3 實(shí)驗(yàn)性能分析實(shí)驗(yàn)性能分析 為了對本程序的實(shí)驗(yàn)進(jìn)行性能分析，我們分別采用固定數(shù)據(jù)量改變最小支持?jǐn)?shù)以 及固定最小支持?jǐn)?shù)改變數(shù)據(jù)量兩種情況進(jìn)行時(shí)間分析,其中最小置信度設(shè)為 0.7 不變。 5.3.1 固定最小支持度改變數(shù)據(jù)量固定最小支持度改變數(shù)據(jù)量 設(shè)支持度為 0.2，最小可信度為 0.7。具體實(shí)驗(yàn)數(shù)據(jù)量與執(zhí)行時(shí)間如下： 表

19、 5.1 數(shù)據(jù)量對性能的影響 數(shù)據(jù)量（萬行）15255075 時(shí)間（秒）48.2128.2366.9623.41032.3 歡迎下載 圖 5.3 數(shù)據(jù)量對性能的影響 5.3.2 固定數(shù)據(jù)量改變最小支持度固定數(shù)據(jù)量改變最小支持度 設(shè)實(shí)驗(yàn)數(shù)據(jù)量固定改變最小支持度，具體如下所示： 表 5.2 最小支持度對性能的影響 最小支持度0.150.200.250.300.35 時(shí)間（秒/ 1 萬） 175.64914.28.55.2 時(shí)間（秒/ 5 萬） 294.1128.258.841.525.7 時(shí)間（秒/ 25 萬） 531.3366.9246.5185.6154.0 歡迎下載 圖 5.4 最小支持度對

20、性能的影響 5.3.3 實(shí)驗(yàn)結(jié)果分析實(shí)驗(yàn)結(jié)果分析 由以上實(shí)驗(yàn)我們可以看出，實(shí)驗(yàn)時(shí)間會隨著數(shù)據(jù)量的增大而增大，并且隨著最小 支持度的增大而減小。并且他們之間的變化類似于某種指數(shù)函數(shù)的變化趨勢。Apriori 的時(shí)間主要消耗在 4 個(gè)方面： 1、利用 K 頻繁集連接產(chǎn)生 K+1 候選集時(shí)，判斷連接的條件時(shí)比較的次數(shù)太多。 假設(shè)項(xiàng)集個(gè)數(shù)為 m 的頻繁集合 Lk，判斷連接條件時(shí)比較的時(shí)間復(fù)雜度為 O（K*m2） 。 而且本實(shí)驗(yàn)的 m 都很大； 2、對 Ck 中任意的一個(gè) c 的 k 個(gè)（k-1）子集是否都在 Lk-1 中。在平均情況下， 對所有候選 k 項(xiàng)集需要掃描次數(shù)為|Ck|*|Lk-1|*k/2

21、； 3、為了得到所有的候選頻集的支持度，需要掃描 N 次； 4、掃描一次數(shù)據(jù)庫需時(shí)間 O（k|T|） 。|T|為交易數(shù)量，k 交易長度 5.4 本章小結(jié)本章小結(jié) Apriori 算法因自身需要多次掃描數(shù)據(jù)庫，并且經(jīng)過復(fù)雜的連接剪枝操作而產(chǎn)生大 量候選集以及進(jìn)行大量的模式匹配計(jì)算的缺陷，使得其在 I/O 上的花費(fèi)時(shí)間很多，從 而導(dǎo)致算法的效率不是太高。 歡迎下載 6 總結(jié)總結(jié)與體會與體會 通過本次實(shí)驗(yàn)，讓我明白了什么是 Apriori 算法和數(shù)據(jù)之間的關(guān)聯(lián)性，Apriori 算法 是一種最有影響的挖掘布爾關(guān)聯(lián)規(guī)則頻繁項(xiàng)集的算法，為以后進(jìn)步學(xué)習(xí)數(shù)據(jù)挖掘知識 打下了良好的基礎(chǔ)。同時(shí)我也更加深刻理解了

22、 Apriori 算法的原理及其實(shí)現(xiàn)的內(nèi)部細(xì)節(jié)， 同時(shí)通過實(shí)現(xiàn)這一經(jīng)典的數(shù)據(jù)挖掘算法，也讓我更深刻的體會到數(shù)據(jù)挖掘?qū)τ谥R發(fā) 現(xiàn)的重要性，盡管實(shí)現(xiàn)了算法，但其中可能還有可以改進(jìn)的地方，尤其是程序的運(yùn)行 效率方面。Apriori 算法實(shí)驗(yàn)不僅使得我對該算法的理解更加上升了一個(gè)層次，同時(shí)也 使得我更加了解了 java 編程語言，使用更加得心應(yīng)手。 import java.awt.BorderLayout; import java.awt.Font; import java.awt.GridLayout; import java.awt.Panel; import java.awt.TextArea

23、; import java.awt.TextField; import java.awt.event.ActionEvent; import java.awt.event.ActionListener; import java.util.ArrayList; import java.util.HashMap; import java.util.Iterator; import java.util.Set; import javax.swing.JButton; import javax.swing.JComboBox; import javax.swing.JFrame; import jav

24、ax.swing.JLabel; import javax.swing.JPanel; import javax.swing.JTextField; import org.omg.CORBA.PUBLIC_MEMBER; public class Apriori extends JFrame implements ActionListener 歡迎下載 / public static int ITEMSIZE=10; public final int FRAMEWIDTH=800; public final int FRAMEHEIGHT=600; / JPanel up=null; JPan

25、el up_up=null; TextField textFieldName=null; JPanel up_down=null; JPanel up_down_left=null; JLabel conflabel=null; JLabel c1=null; JLabel c2=null; JLabel c3=null; JLabel c4=null; JLabel c5=null; JLabel c6=null; JLabel c7=null; JLabel c8=null; JTextField conf=null; JLabel supportlabel=null; JTextFiel

26、d support=null; JPanel up_down_right=null; JComboBox jComboBoxDateSize=null;/下拉框 JButton jButtonMine=null; JPanel down=null; TextArea textArea=null; int fpstep=1; int fpindex=0; Dao dao=null; double MinSupport=0.20; double MinConfi=0.70; double DateSize=9.0; ArrayList alTransactions=null; ArrayList

27、alKfps=null; ArrayList notFpList=null; ArrayList SureFpset=null; ArrayList SureFpsetPrio=null; 歡迎下載 HashMap KfpSupport=null; ArrayList alsurekfpstr=null; HashMap guanlianguize=null; ArrayList isaddarrStrings=null; int AuxArr=null; public static void main(String args) Apriori A=new Apriori(); public

28、Apriori() JPanel up=new JPanel(new GridLayout(2, 1); JPanel up_up=new JPanel(new GridLayout(1, ITEMSIZE); /TextField textFieldName=new TextFieldITEMSIZE; /for(int i=0;iITEMSIZE;i+) / /textFieldNamei=new TextField(); /up_up.add(textFieldNamei); / c1=new JLabel( 數(shù)); up_up.add(c1); c2=new JLabel( 據(jù)); u

29、p_up.add(c2); c3=new JLabel( 挖); up_up.add(c3); c4=new JLabel( 掘); up_up.add(c4); c5=new JLabel( 實(shí)); up_up.add(c5); c6=new JLabel( 驗(yàn)); up_up.add(c6); c7=new JLabel( -); up_up.add(c7); c8=new JLabel( Apriori); up_up.add(c8); 歡迎下載 up_down=new JPanel(new GridLayout(1, 2); up_down_left=new JPanel(new Gr

30、idLayout(1, 4); conflabel=new JLabel(可信度：); conf=new JTextField(); conf.setText(0.7); supportlabel=new JLabel(支持度：); support=new JTextField(); support.setText(0.2); up_down_left.add(conflabel); up_down_left.add(conf); up_down_left.add(supportlabel); up_down_left.add(support); up_down_right=new JPane

31、l(new GridLayout(1, 2); jComboBoxDateSize=new JComboBox();/下拉框 jComboBoxDateSize.addItem(test); jComboBoxDateSize.addItem(data1); jComboBoxDateSize.addItem(data2); jComboBoxDateSize.addItem(data3); jComboBoxDateSize.addItem(data4); jComboBoxDateSize.addItem(data5); jComboBoxDateSize.addActionListene

32、r(this); jButtonMine=new JButton(開始挖掘); jButtonMine.addActionListener(this); up_down_right.add(jComboBoxDateSize); up_down_right.add(jButtonMine); up_down.add(up_down_left); up_down.add(up_down_right); up.add(up_up); up.add(up_down); down=new JPanel(new BorderLayout() ; textArea=new TextArea(); /tex

33、tArea.setFont(new Font(Font.DIALOG,Font.ITALIC , 20); textArea.setFont(new Font(Font.DIALOG,Font.PLAIN , 20); down.add(textArea); this.setLayout(new BorderLayout(); this.setSize(FRAMEWIDTH, FRAMEHEIGHT); this.setLocation(100, 100); 歡迎下載 this.setSize(this.FRAMEWIDTH, this.FRAMEHEIGHT); this.setDefaul

34、tCloseOperation(JFrame.EXIT_ON_CLOSE); this.setTitle(Apriori); /up.setSize(this.FRAMEWIDTH, 100); this.add(up,BorderLayout.NORTH); /down.setLocation(0, 100); /down.setSize(this.FRAMEWIDTH, this.FRAMEHEIGHT-100); this.add(down); this.setVisible(true); public void InitDate(String table) fpstep=1; AuxA

35、rr=new intITEMSIZE+1ITEMSIZE+1; alKfps=new ArrayList(); notFpList=new ArrayList(); SureFpset=new ArrayList(); SureFpsetPrio=new ArrayList(); dao=new Dao(); KfpSupport=new HashMap(); alsurekfpstr=new ArrayList(); guanlianguize=new HashMap(); isaddarrStrings=new ArrayList(); alTransactions=dao.Query(s

36、elect * from +table); this.DateSize=alTransactions.size(); public void ShowkFp(ArrayList SureFpset) int steptemp=fpstep; textArea.append(頻繁+(steptemp)+項(xiàng)集rn); /System.out.println(); for(int i=0;iSureFpset.size();i+) Kfp k=SureFpset.get(i); int tempindex=k.index; String string=String.copyValueOf(k.kfp

37、str, 0, +tempindex); int support=KfpSupport.get(string); textArea.append(string+-+support+-+support/DateSize+rn); /System.out.println(string+rn); 歡迎下載 public void ShowkFp2(HashMap SureFpset) textArea.append(關(guān)聯(lián)規(guī)則rn); Set keys=(Set) SureFpset.keySet(); for(String keyString:keys) textArea.append(keyStr

38、ing+-+SureFpset.get(keyString)+rn); public void DataMine() int fpsteptemp=0; if(fpstep = 1) for(int i=0;iApriori.ITEMSIZE;i+) Kfp kfp=new Kfp(); kfp.kfpstr+kfp.index=(char) (a+i); kfp.support=0; kfp.isfp=false; alKfps.add(kfp); DealSupport(); SaveNotFpBySupport(); SaveSureFp(); ShowkFp(alKfps); fpst

39、ep+; while(!alKfps.isEmpty() alKfps.clear(); for (int i = 0; i SureFpset.size(); i+) Kfp k1 = SureFpset.get(i); for (int j = i + 1; j SureFpset.size(); j+) 歡迎下載 Kfp k2 = SureFpset.get(j); Kfp resultKfp = Joint(k1, k2); int tempindex=resultKfp.index; String string=String.copyValueOf(resultKfp.kfpstr,

40、 0, +tempindex); if(string.charAt(0) = 0) continue; SubSet subSet= new SubSet(); ArrayList alStrings=subSet.displaySubSet1(string.toCharArray(); int p=0; for(;palStrings.size();p+) String string2=alStrings.get(p); if(notFpList.contains(string2) break; if(p != alStrings.size() continue; if (!isaddarr

41、Strings.contains(string) isaddarrStrings.add(string); alKfps.add(resultKfp); SureFpsetPrio.clear(); for(int i=0;iSureFpset.size();i+) SureFpsetPrio.add(SureFpset.get(i); Guanlianguize(); SureFpset.clear(); DealSupport(); SaveNotFpBySupport(); / Cut(); if (!alKfps.isEmpty() SaveSureFp(); ShowkFp(Sure

42、Fpset); 歡迎下載 fpstep+; public void Guanlianguize() for(int i=0;iSureFpsetPrio.size();i+) Kfp k=SureFpsetPrio.get(i); int len = k.index; String string=String.copyValueOf(k.kfpstr, 0, len+1); if(!alsurekfpstr.contains(string) alsurekfpstr.add(string); SubSet s=new SubSet(); for(int i=0;ialsurekfpstr.si

43、ze();i+) String kfpstr=alsurekfpstr.get(i); char kfpchararr=kfpstr.toCharArray(); ArrayList aList=s.SubSet3(kfpchararr,kfpstr.length(); for(int j=0;jaList.size();j+) String guizetemp=; String kfpstr1=aList.get(j); char kfpchararr1=kfpstr1.toCharArray(); int indexinkfp=0; int indexinchararr1=0; while

44、(indexinkfp kfpchararr.length indexinkfp+; else indexinchararr1+; indexinkfp+; while(indexinkfp MinConfi) String temp=kfpstr1+-+guizetemp; guanlianguize.put(temp,support1/support2); ShowkFp2(guanlianguize); alsurekfpstr.clear(); guanlianguize.clear(); public Kfp Joint(Kfp k1,Kfp k2) Kfp resultKfp=new Kfp(); int temp_len=k1.index+1; char temp1=new chartemp_len; char temp