基于渐近取样的频繁项集挖掘近似算法

摘要：

为提高频繁项集挖掘性能,提出了基于渐近取样的频繁项集挖掘近似算法(Frequent Itemsets Mining Approximate Algorithm based on Progressive Sampling,FIMAA-PS),该算法使用渐近取样方法实现数据集的样本提取,基于当前样本输出结果自动配置下一轮循环挖掘的样本大小,并使用Rademacher均值对输出结果的频率偏差上限进行理论估计从而得到终止条件,最后通过单次样本快速扫描判断算法终止条件,输出挖掘结果.实验结果表明,不同于传统挖掘精确算法和使用静态取样的挖掘近似算法,FIMAA-PS在输出结果精准度和运行时间方面具有显著优势.

关键词：频繁项挖掘、近似算法、渐近取样、Rademacher均值

所属期刊栏目：24

分类号：TP3(计算技术、计算机技术)

在线出版日期：2017-10-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1786-1791