期刊文献+

关联规则中频繁项集高效挖掘的研究 被引量:18

Research on high efficiency mining frequent itemsets on association rules
下载PDF
导出
摘要 针对Apriori时间性能较低的缺陷,结合二项集支持度矩阵提出了Apriori改进算法Apriori-M。在扫描数据库时生成一个二项集支持度矩阵,利用矩阵的性质提高了连接和剪枝的效率;通过第二次扫描数据库就能正确地获取所有的频繁项集,并很好地解决了Apriori生成无效二项集的问题。实验结果表明Apriori-M的性能优于Apriori。 An improved algorithm Apriori-M which combines with 2-itemsets support count matrix is brought forward for its lower efficiency of time.The algorithm scans the database to generate 2-itemsets support count matrix,and then improves the efficiency of the connectivity and the pruning by the character of the matrix;gets all the frequent itemsets correctly by scanning the database second time,and also solves the question about generating 2-itemsets invalid.Experimental results show that the capability of the improved algorithm is more efficient than Apriori.
出处 《计算机工程与应用》 CSCD 北大核心 2011年第3期139-141,共3页 Computer Engineering and Applications
基金 山东省自然科学基金No.Y2007G16 山东省科技攻关计划No.2008GG10001015 山东省高新技术自主创新工程专项计划(No.2007ZZ17) 山东省电子发展基金(No.2008B0026)~~
关键词 关联规则 APRIORI算法 事务数据库 频繁项 支持度矩阵 association rules Apriori algorithm transaction database frequent itemsets support matrix
  • 相关文献

参考文献13

二级参考文献24

  • 1陈凯,冯全源.最大频繁项集的高效挖掘[J].微电子学与计算机,2005,22(8):22-25. 被引量:13
  • 2李新征.一种新的高效Apriori算法[J].微计算机信息,2006,22(03X):193-194. 被引量:18
  • 3高宏宾,潘谷,黄义明.基于频繁项集特性的Apriori算法的改进[J].计算机工程与设计,2007,28(10):2273-2275. 被引量:25
  • 4Aly H H,Taha Y,Amr A A.Fast mining of association rules inlarge scale problems[C]//Abdel wahab H,Jeffay K.Proc of the 6th IEEE Syrup on Computers and Communications (ISCC 2001).New York:IEEE Computer Society Press,2001: 107-113. 被引量:1
  • 5Tsai C F,Liu Y C,Chen C P.A new fast algorithms formining as sociation rules in large databases[C]//Kamel A E,Melloul I K, Borne P.Proc of the 2002 IEEE Intpl Conf on Systems,Man and Cybernetics(SMC 2002).IEEE Computer Society Press,2002:251-256. 被引量:1
  • 6Wen Lei,Li Minqiang.A new association rules mining algorithms-based on directed itemsets graph[J].LNAI, 2003,2639( 1 ) : 660-663. 被引量:1
  • 7Deroski S,Raedt L D.Multi-relational datamining:the currentfrontiers[C]//Preceding ECML/PKDD.ACM Press, 2002 : 1-2. 被引量:1
  • 8[1]Agarwal S, Agrawal R, Deshpande P M (1996) On the computation of multidimensional aggregates. VLDB'96, Bombay, India. 被引量:1
  • 9[2]Aumann Y, Lindell Y (1999) A statistical theory for quantitative association rules. KDD'99, San Diego, CA. 被引量:1
  • 10[3]Beyer K, Ramakrishnan R (1999) Bottom-up computation of sparse and iceberg cubes. SIGMOD'99, Philadephia, Pennsylvania. 被引量:1

共引文献75

同被引文献149

引证文献18

二级引证文献90

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部