Apriori算法實驗報告及程序之歐陽與創(chuàng)編

歐陽與創(chuàng)編 歐陽與創(chuàng)編 2021.03.08歐陽與創(chuàng)編 歐陽與創(chuàng)編 2021.03.08歐陽與創(chuàng)編 歐陽與創(chuàng)編 2021.03.08歐陽與創(chuàng)編 歐陽與創(chuàng)編 2021.03.08Apriori算法實驗扳告時間：2021.03.08創(chuàng)作：歐陽與學號:姓名:專醛：計第機應(yīng)用技木救師：1Apriori實驗]]實背;^?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。H前關(guān)聯(lián)規(guī)則挖掘的研究工作主要包括：Apriori算法的擴展、數(shù)量關(guān)聯(lián)規(guī)則挖掘、關(guān)聯(lián)規(guī)則增量式更新、無須生成候選項口集的關(guān)聯(lián)規(guī)則挖掘、最大頻繁項U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)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，許多學者提出了改進算法，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)項之間隱藏的、有趣的規(guī)律。關(guān)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算法的改進和優(yōu)化。研究者還對數(shù)據(jù)挖掘的理論進行了有益的探索，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LI前為止，關(guān)聯(lián)規(guī)則的挖掘已經(jīng)取得了令人矚I」的成績，包括：單機環(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實驗內(nèi)容與要求12.1實驗內(nèi)容編程實現(xiàn)Apriori算法：要求使用個項目隨機產(chǎn)生數(shù)據(jù)記錄并存入數(shù)據(jù)庫。從數(shù)據(jù)庫讀取記錄進行Apriori實驗，獲得頻繁集以及關(guān)聯(lián)規(guī)則，實現(xiàn)可視化。并用課堂上PPT的實例測試其正確性。12.2實驗要求1、 程序結(jié)構(gòu)：包括前臺工具和數(shù)據(jù)庫；2、 設(shè)定項忖種類為10個，隨機產(chǎn)生事務(wù)，生成數(shù)據(jù)庫；3、 正確性驗證(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)量不同的時候測量運行時間；在數(shù)據(jù)量固定，支持度不同的時候測量運行時間；5、 注意界面的設(shè)計，輸入最小支持度和最小可信度，能夠輸出并顯示頻繁項目集以及關(guān)聯(lián)規(guī)則。1.2.3實驗?zāi)康?、 加強對Apriori算法的理解；2、 鍛煉分析問題、解決問題并動手實踐的能力。2Apriori算法分析與實驗環(huán)境2.1Apriori算法的描述Apriori算法是一種找頻繁項L1集的基本算法。其基本原理是逐層搜索的迭代：頻繁K項Lk集用于搜索頻繁(K+1)項集Lk+1,如此下去，直到不能找到維度更高的頻繁項集為止。這種方法依賴連接和剪枝這兩步來實現(xiàn)。算法的第一次遍歷僅僅計算每個項U的具體值的數(shù)量，以確定大型1項集。隨后的遍歷，第k次遍歷，包括兩個階段。首先，使用在第(k-l)次遍歷中找到的大項集Lk-l和產(chǎn)生候選項集Cko接著掃描數(shù)據(jù)庫，計算Ck中候選的支持度。用Hash樹可以有效地確定Ck中包含在一個給定的事務(wù)t中的候選。如果某項集滿足最小支持度，則稱它為頻繁項集。2.2Apriori算法的步步驟如下:1、設(shè)定最小支持度S和最小置信度C：2、Apriori算法使用候選項集。首先產(chǎn)生出候選的項的集合,即候選項集，若候選項集的支持度大于或等于最小支持度，則該候選項集為頻繁項集；kApriori算法的過程中，首先從數(shù)據(jù)庫讀入所有的事務(wù)，每個項都被看作候選1-項集，得出各項的支持度，再使用頻繁1-項集集合來產(chǎn)生候選2-項集集合，因為先驗原理保證所有非頻繁的1-項集的超集都是非頻繁的；4、 再掃描數(shù)據(jù)庫，得出候選2-項集集合，再找出頻繁2-項集，并利用這些頻繁2-項集集合來產(chǎn)生候選3-項集；5、 重復掃描數(shù)據(jù)庫，與最小支持度比較，產(chǎn)生更高層次的頻繁項集,再從該集合里產(chǎn)生下一級候選項集，直到不再產(chǎn)生新的候選項集為止。2.3開發(fā)環(huán)境2.3.1軟件環(huán)境編程軟件：Jdk開發(fā)包+eclipse集成開發(fā)環(huán)境■Eclipse是一個開放源代碼的、基于Java的可擴展開發(fā)平臺。|就其本身而言，它只是一個框架和一組服務(wù)，用于通過插件組件構(gòu)

Java發(fā)工具(JavaDevelopmentKit,JDK)。|建開發(fā)環(huán)境。幸運的是，Java發(fā)工具(JavaDevelopmentKit,JDK)。數(shù)據(jù)庫軟件:SQLServer2008SQLServer2008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)?？梢詫⒔Y(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)進行查詢、搜索、同步、報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)器一直到桌面計算機和移動設(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。辦公軟件:Excel2010Excel是一款辦公軟件。它是微軟辦公套裝軟件office的重要的組成部分，它是集統(tǒng)計分析、數(shù)據(jù)處理和輔助決策等功能于一身，現(xiàn)在金融、統(tǒng)訃財經(jīng)、管理等眾多領(lǐng)域廣泛應(yīng)用。本實驗主要用來為固定數(shù)據(jù)量改變最小支持數(shù)以及固定最小支持數(shù)改變數(shù)據(jù)量兩種情況進行時間分析提供可視化圖表。2.3.2硬件環(huán)境裝有Windows7旗艦版電腦。2-4本章小結(jié)本章的內(nèi)容主要是為了引出本實驗的主要算法以及對算法的實現(xiàn)環(huán)境做了介紹。3算法的設(shè)計

3.1Apriori算迭螫體框架\Apriori開始\圖3?1Apriori實驗流程圖3?2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)classTransaction{publicintpid;publicStringitemset;}該類表示表中的一條記錄。classDao{publicArrayList<Transaction>Query(Stringsql)1該類用于訪問數(shù)據(jù)庫操作。classKfppubliccharkfpstr[]=newchar[Apriori.ITEMSIZE];publicintindex=?1;publicintsuppoil=0;publicbooleanisfpnrue;）該類代表一個頻繁項th3.2.2主要的程序Java中最常用的集合類是List和MapoList的具體實現(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。HnshMnp：Map接口的常用實現(xiàn)類，系統(tǒng)vkey,value〉成一個整體進行處理，系統(tǒng)總是根據(jù)Hash算法來計算<key,value>的存儲位置，這樣可以保證能快速存、取Map的<key,value>對。ArrayList<Transaction>alTransactions：保存表中的所有記錄ArravList<Kfp>alKfpsl：臨時存儲頻繁項口的集合，存儲連接后的結(jié)果ArrayList<Kfp>SureFpset：保存頻繁k項集ArrayList<Kfp>SureFpsetPrio：保存頻繁k-1項集ArrayList<String>notFpList：保存一定不是頻繁項口的集合，用于剪枝HashMap<String,Integer>KfpSuppor:頻繁項LI集及其對應(yīng)的支持數(shù)HashMap<String,Double>guanlianguize:關(guān)聯(lián)規(guī)則及其置信度3.2.3連接與剪枝操作對于連接操作的兩個字符串（長度為k）,它們必須有k?l個相同的字符才能做連接操作。例如:abc和abd可以連接成abed,abd和bed可以連接成abed,而abc和ade就不可以做連接操作。整個連接過程類似歸并排序中的歸并操作對于任一頻繁項H集的所有非空子集也必須是頻繁的，反之，如果某個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)本章主要介紹了算法設(shè)計的整體流程并且也對主要程序和操作作了簡要的說明。4數(shù)據(jù)庫的設(shè)計與數(shù)據(jù)的來源本實驗的數(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為測試用表，用于程序的正確性驗證。還有5張表存儲隨機產(chǎn)生的實驗數(shù)據(jù)。其中數(shù)據(jù)庫的結(jié)構(gòu)如下圖所示。yuzmEl□軸庫關(guān)殺囹曰口表?口漿統(tǒng)表E二dbo.datal+二dbo.data2(±)3dbo.data3?□]dbo.data4S)3dbo.data5?Hdbo.test0□觀圏?□同義詞圖4.1數(shù)據(jù)庫結(jié)構(gòu)4?1正確性驗證數(shù)據(jù)表test為PPT上的實例，用于正確性驗證。數(shù)據(jù)的item個數(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“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。iditem?011001201010301100411010510100601100710100811101911100^AJLLNULL圖4.2表test4-2實驗數(shù)據(jù)5張表是通過算法隨機產(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“(T“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，“V表示該商品存在。其中表datal共隨機產(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)，表血協(xié)5產(chǎn)生75萬行數(shù)據(jù)。部分數(shù)據(jù)如圖4.3。

id item1390011110011140101111000014100111000001420101001111143000010110014411011100111451010000000146100111011114711000110001480000111111圖4.3實驗用表（部分）4.3本章小結(jié)本章主要對數(shù)據(jù)庫的設(shè)計與數(shù)據(jù)來源做出了說明。5實驗結(jié)果與性能分析5.1Apriori實驗界面其中可信度可自由設(shè)置，默認為0.7o而支持度記為最小支持度與數(shù)據(jù)量的比例。實驗數(shù)據(jù)可以下拉選擇6張表中的任意一張。如下圖所示：

圖5.1實驗界面5.2實驗的正確性驗證運行程序，我們選擇表test,即可進行正確性驗證，實驗結(jié)果如下圖：

圖5.2正確性驗證最終實驗結(jié)果與ppt的結(jié)果相吻合，表明程序編寫正確。5.3實驗性能分析為了對本程序的實驗進行性能分析，我們分別釆用固定數(shù)據(jù)量改變最小支持數(shù)以及固定最小支持數(shù)改變數(shù)據(jù)量兩種情況進行時間分析,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)量設(shè)支持度為0.2,最小可信度為0.7o具體實驗數(shù)據(jù)量與執(zhí)行時間如下：表5.1數(shù)據(jù)量對性能的影響數(shù)據(jù)量（萬行）15255075時間（秒）48.2128.2366.9623.41032.3固定最小支持度改變數(shù)據(jù)量2011 5 25 50 75數(shù)據(jù)呈（萬行）O002011 5 25 50 75數(shù)據(jù)呈（萬行）O001OO0OOO0OO8642時間（秒〉圖5.3數(shù)據(jù)量對性能的影響5?3?2固定數(shù)據(jù)量改變最小支持度設(shè)實驗數(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時間（秒/1萬）175.64914.28.55.2時間（秒/5萬）294.1128.25&841.525.7時間（秒/25萬）531.3366.9246.5185.6154.0定數(shù)據(jù)量改變最小支持度60050040020010000.25D.35f-時間（秒/I萬）T-60050040020010000.25D.35f-時間（秒/I萬）T-時間（秒/5萬）T-時間（秒/25萬）最小支持度300圖5.4最小支持度對性能的影響5?3?3實驗結(jié)果分析山以上實驗我們可以看出，實驗時間會隨著數(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的時間主要消耗在4個方面：1、 利用K頻繁集連接產(chǎn)生K+1候選集時，判斷連接的條件時比較的次數(shù)太多。假設(shè)項集個數(shù)為m的頻繁集合Lk,判斷連接條件時比較的時間復雜度為O(K*m2)o而且本實驗的m都很大；2、 對Ck中任意的一個c的k個(k?l)子集是否都在Lk-1中。在平均情況下，對所有候選k項集需要掃描次數(shù)為ICkl*ILk-ll*k/2；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)庫需時間O(kITI)。ITI為交易數(shù)量，k交易長度5.4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)過復雜的連接剪枝操作而產(chǎn)生大量候選集以及進行大量的模式匹配訃算的缺陷，使得其在I/O上的花費時間很多，從而導致算法的效率不是太高。6總結(jié)與體會通過本次實驗，讓我明口了什么是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)則頻繁項集的算法，為以后進步學習數(shù)據(jù)挖掘知識打下了良好的基礎(chǔ)。同時我也更加深刻理解了Apriori算法的原理及其實現(xiàn)的內(nèi)部細節(jié)，同時通過實現(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，盡管實現(xiàn)了算法，但其中可能還有可以改進的地方，尤其是程序的運行效率方面。Apriori算法實驗不僅使得我對該算法的理解更加上升了一個層次，同時也使得我更加了解\java編程語言，使用更加得心應(yīng)手。importjava.awt.BorderLayout;importjava.awt.Font;importjava.awt.GridLayout;importjava.awt.Panel;importjava.awt.TextArea;importjava.awt.TextField;importjava.awt.event.ActionEvent;importjava.awt.event.ActionListener;importjava.util.ArrayList;importjava.util.HashMap;importjava.util.Iterator;importjava.util.Set;importjavax.swing.JButton;importjavax.swing.JComboBox;importjavax.swing.JFrame;importjavax.swing.JLabel;importjavax.swing.JPanel;importjavax.swing.JTextField;importorg.omg.CORBA.PUBLIC_MEMBER:publicclassAprioriextendsJFrameimplementsActionListener{//////////////////////////////////////////////////////publicstaticintITEMSIZE=10;public伽alintFRAMEWIDTH=800;publicfinalintFRAMEHEIGHT=600;///////////////////////////////////////////////////////JPanelup=null;JPanelup_up=null;TextFieldtextFieldName[]=null;JPanelup_down=null;JPanelup_down_left=null;JLabelconflabel二null;JLabelcl=null;JLabelc2=null;JLabelc3=null;JLabelc4=null;JLabelc5=null;JLabelc6=null;JLabelc7=null;JLabelc8=null;JTextFieldconf=null;JLabelsupportlabel=null;JTextFieldsupport二null;JPanelup_down_right=null;JComboBoxjComboBoxDateSize=null;//下拉框JButtonjButtonMine=null;JPaneldown二null;TextAreatextArea=null;intfpstep=l;intfpindex=0;Daodao=null;doubleMinSupport=0.20;doubleMinConfi=0.70;doubleDateSize=9.0;ArrayList<Transaction>alTransactions=null;ArrayList<Kfp>alKfps=null;ArrayList<String>notFpList=null;ArrayList<Kfp>SureFpset=null;ArrayList<Kfp>SureFpsetPrio=null;HashMap<String,Integer>KfpSupport=null:ArrayList<String>alsurekfpstr=null;HashMap<String,Double>guanlianguize=null;ArrayList<String>isaddarrStrings=null;int[][]AuxArr=null;publicstaticvoidmain(String[]args){AprioriA=newApriori();}publicApriori(){JPanelup=newJPanel(newGridLayout(2,1));JPanelup_up=newJPanel(newGridLayout(l,ITEMSIZE));//TextFieldtextFieldName[]=newTextField[ITEMSIZE];//for(inti=0;i<ITEMSIZE;i++)〃{//textFieldName[i]=newTextField();//up_up.add(textFieldName[i]);〃}cl=newJLabel(H數(shù)")；up_up.add(cl);c2=newJLabel("據(jù)")；up_up.add(c2);c3=newJLabel(H挖”)；up_up.add(c3);c4=newJLabel("掘”)；up_up.add(c4);c5=newJLabel(n實”);up_up.add(c5);c6=newJLabel("驗”)；up_up.add(c6);c7=newJLabeI(n ”)；up_up.add(c7);c8=newJLabel(HApriori”);up_up.add(c8);up_down=newJPanel(newGridLayout(l,2));up_down_left=newJPanel(newGridLayout(1,4));conflabel=newJLabel(H可信度:H);conf=newJTextField();conf.setText("0.7H);supportlabel=newJLabel(H支持度：”);support=newJTextFieId();support.setText(H0.2n);up_down_left.add(conflabel);up_down_left.add(conf);up_down_left.add(supportlabel);up_down_left.add(support);up_down_right=newJPanel(newGridLayout(1,2));jComboBoxDateSize=newJComboBox();//下拉框jComboBoxDateSize.addItem(HtestH);jComboBoxDateSize.addItem(Hdata1n);jComboBoxDateSize.addItem(Hdata2n);jComboBoxDateSize.addItem(Hdata3n);jComboBoxDateSize.addItem(Hdata4n);jComboBoxDateSize.addItem(Hdata5M);jComboBoxDateSize.addActionListener(this);jButtonMine=newJBiitton(”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=newJPanel(newBorderLayout());textArea=newTextArea();//textArea.setFont(newFont(Font.DIALOG,Font.ITALIC,20));textArea.setFont(newFont(Font.DIALOG,Font.PLAIN,20));down.add(textArea);this.setLayout(newBorderLayout());this.setSize(FRAMEWIDTH,FRAMEHEIGHT);this.setLocation(100,100);this.setSize(this.FRAMEWIDTH.this.FRAMEHEIGHT);this.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);this.setTitle(HApriorin);//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);}publicvoidInitDate(Stringtable){fpstep=l;AuxAn-newint[ITEMSIZE+1][ITEMSIZE+1];alKfps=newArrayList<Kfp>();notFpList=newArrayList<String>();SureFpset=newArrayList<Kfp>();SureFpsetPrio=newArrayList<Kfp>();dao=newDao();KfpSupport=newHashMap<String,Integer>();alsurekfpsti-newArrayList<String>();guanlianguize=newHashMap<String,Double>();isaddarrStrings=newArrayList<String>();alTransactions=dao.Query(Hselect*fromn+table);this.DateSize=alTransactions.size();}publicvoidShowkFp(ArrayList<Kfp>SureFpset){intsteptemp=fpstep;textArea,append("頻繁"+(steptemp)+”項集\r\nH);//System.out.println();for(inti=O;i<SureFpset.size();i++){Kfpk=SureFpset.get(i);inttempindex=k.index;Stringstring=String.copyValueOf(k.kfpstr,0,++tempindex);intsupport=KfpSupport.get(string);textArea.append(string+n n+support+H M+support/DateSize+H\i-\nn);//System.out.println(string+M\r\nH);)}publicvoidShowkFp2(HashMap<String,Double>SureFpset){textArea,append(”關(guān)聯(lián)規(guī)則\r\n”)；Set<String>keys=(Set<String>)SureFpset.keySet();for(StringkeyString:keys){textArea.append(keyString+H M+SureFpset.get(keyString)+H\r\nH);;})publicvoidDataMine(){intfpsteptemp=O;if(fpstep==1){for(inti=0;i<Apriori.ITEMSIZE;i++){Kfpkfp=newKfp();kfp.kfpstr[++kfp.index]=(char)fa'+i);kfp.support=0;kfp.isfp=false;alKfps.add(kfp);}DealSupport();SaveNotFpBySupport();SaveSureFpO；ShowkFp(alKfps);fpstep++:)while(!alKfps.isEmpty())alKfps.clear();for(inti=0;i<SureFpset.size();i++){Kfpkl=SureFpset.get(i);for(intj=i+1;j<SureFpset.size();j++){Kfpk2=SureFpset.get(j);KfpresultKfp=Joint(kl,k2);inttempindex=resultKfp.index;String string=String.copyValueOf(resultKfp.kfpstr, 0,++tempindex);if(string.charAt(O)==0)continue;SubSetsubSet=newSubSet();ArrayList<String>alStrings=subSet.displaySubSet1(string.toCharArrayO);intp=0;fbr(;p<alStrings.size();p++){?Stringstring2=alStrings.get(p);if(notFpList.contains(string2))break;}if(p!=alStrings.size())continue;if(!isaddarrStrings.contains(string)){isaddarrStrings.add(string);alKfps.add(resultKfp);)})SureFpsetPrio.clear();for(inti=0;i<SureFpset.size();i++)SureFpsetPno.add(SureFpset.get(i));Guanlianguize();SureFpset.clear();DeaISupport();SaveNotFpBySupport();//Cut();if(!alKfps.isEnipty()){SaveSureFpO;ShowkFp(SureFpset);}fpstep++;)}publicvoidGuanlianguize(){for(inti=0;i<SureFpsetPrio.size();i++){Kfpk=SureFpsetPrio.get(i);intlen=k.index;Stringstring二String.copyValiieOf(k?kfpstr,0,len+1);if(!alsurekfpstr.contains(string))alsurekfpstr.add(string);)SubSets=newSubSet();for(inti=O;i<alsurekfpstr.size();i++){Stringkfpstr=alsurekfpstr.get(i);char[]kfpchararr=kfpstr.toCharArray();ArrayList<String>aList=s.SubSet3(kfpchararr,kfpstr.length());for(intj=O;j<aList.size();j++){Stringguizetemp=HH;Stringkfpstrl=aList.get(j);char[]kfpchararrl=kfpstrl.toCharArray();intindexinkfp=0;intindexinchararrl=O;while(indexinkfp<kfpchararrlength&&indexinchararrlkfpchararrl.length){if(kfpchararrl[indexinchararr1]!=kfpchararrfindexinkfp]){guizetemp=guizetemp+kfpchararr[indexinkfp];indexinkfp++;}else{indexinchararr1++;indexinkfp++;)}while(indexinkfp<kfpchararr.length)guizetemp=guizetemp+kfpchararr[indexinkfp++];doublesupport1=(double)KfpSupport.get(kfpstr);doublesupport2=(double)KfpSupport.get(kfpstrI);if(support1/support2>MinConfi){Stringtemp=kfpstrl+n >H+guizetemp;guanlianguize.put(temp,supportl/suppoil2);))1ShowkFp2(guanlianguize);alsurekfpstr.clear();guanlia