10.3969/j.issn.1000-3428.2016.02.004
基于MapReduce的并行关联规则增量更新算法
为解决传统关联规则挖掘算法在大数据环境下运行效率较低的问题,基于频繁模式增长(FP-growth)算法,提出一种面向大数据的并行关联规则增量更新算法.利用MapReduce编程模型与云计算平台,对FP-growth算法各步骤进行并行化处理.在增量更新挖掘过程中,使用已有的频繁项集和1-项集对新增事务集构建频繁模式树,通过扫描原始事务数据库完成频繁项集的更新.实验结果表明,与传统关联规则挖掘算法相比,该算法具有更高的挖掘效率和扩展性,适用于海量数据的关联规则增量挖掘.
大数据、云计算、MapReduce编程模型、频繁项集、增量更新、关联规则
42
TP311(计算技术、计算机技术)
2016-05-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
21-25,32