一种基于邻接表的最大频繁项集挖掘算法
针对Apriori算法与FP-Growth算法在最大频繁项集挖掘过程中存在的运行低效、内存消耗大、难以适应稠密数据集的处理、影响大数据价值挖掘时效等问题,该文提出一种基于邻接表的最大频繁项集挖掘算法.该算法只需遍历数据库一次,同时用哈希表对邻接表进行辅助存储,减小了遍历的空间规模.理论分析与实验结果表明,该算法时间与空间复杂度较低,提高了最大频繁项集挖掘速率,尤其在处理稠密数据集时具有较好的优越性.
数据挖掘、频繁项集、Apriori、FP-Growth、FP-Tree
41
TP311.5(计算技术、计算机技术)
教育部人文与社会科学基金16YJA630068,18YJA630043;航空科学基金2016ZG53071;陕西省自然科学基础研究计划项目2018JM7008;陕西省社会科学基金2018S28;西北工业大学研究生种子基金ZZ2018222
2019-08-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
2009-2016