关联规则算法优化研究与实现

›› 2010, Vol. 32 ›› Issue (3): 312-316.

关联规则算法优化研究与实现

王新勇1,2 袁剑秋1 周家纪1

1.成都理工大学信息工程学院，成都610059；2.濮阳职业技术学院，濮阳457000

出版日期:2010-06-25 发布日期:2013-04-28

Online:2010-06-25 Published:2013-04-28

摘要/Abstract

摘要：

本文主要针对Apriori算法采用最小支持度和最小信任度阈值来发现知识，而没有考虑交易中数量问题的不足，提出一种快速的基于频繁模式树FP-tree的最大频繁项目集挖掘算法。该算法不需要产生频繁项集，而且只需要扫描事务数据库D一次，从而提高了算法的执行效率。该方法结合大量的实际项目数据进行关联规则挖掘测试发现，不仅能较好地分析非稠密数据，也能处理现实世界中稠密数据。结果表明该优化算法可显著降低关联规则挖掘在数据挖掘工作中的时间开销。

关键词: Apriori算法, 数据挖掘, KDD, 关联规则

中图分类号:

TP301.6

王新勇袁剑秋周家纪 . 关联规则算法优化研究与实现[J]. , 2010, 32(3): 312-316.

[1]	黄鹏飞李丹丹毛开云. 全球3D生物打印技术研究态势分析[J]. 世界科技研究与发展, 2021, 43(6): 750-763.
[2]	朱庆生王震. 基于粗粒度单元的离群点检测算法研究[J]. , 2011, 33(6): 1045-1048.
[3]	覃文文戢晓峰. 基于K-means聚类的快递企业客户细分方法[J]. , 2011, 33(6): 955-958,969.
[4]	贤继红王家海. 数据挖掘中决策树算法的研究[J]. , 2009, 31(4): 600-602.
[5]	白淼刘万军 . 基于聚类技术的股票价格趋势预测[J]. , 2009, 31(3): 553-555.
[6]	苏生荣钟都都 . 基于VDM的复杂装备故障数据分析[J]. , 2009, 31(3): 471-474.
[7]	郑凯明李义杰姜鑫. 基于决策树的超市客户数据挖掘与仿真[J]. , 2009, 31(2): 252-254.
[8]	何典梁英. 金融时间序列数据挖掘的研究与应用[J]. , 2008, 30(1): 104-106.

关联规则算法优化研究与实现

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

相关文章 8

编辑推荐