稀疏数据频繁项集挖掘算法研究综述

摘要：

频繁项集挖掘FIM是最重要的数据挖掘任务之一,被挖掘数据集的特征对FIM算法的性能有着显著影响.在大数据时代,稀疏是大数据的典型特征之一,对传统FIM算法的性能带来严峻挑战.针对在稀疏数据中如何高效进行FIM的问题,从稀疏数据的特征出发,分析了稀疏数据对3种类型FIM算法性能的主要影响,对已经提出的稀疏数据FIM算法进行了综述,对算法中采用的优化策略进行了讨论,最后通过实验对代表性的稀疏数据FIM算法进行了性能分析.实验结果表明,采用伪构造策略的模式增长算法最适合用于稀疏数据的FIM,在运算时间和存储空间上,相比其他算法该算法具有较大的优势.

关键词：大数据、稀疏数据、频繁项集挖掘、性能分析、综述

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省高校优秀青年人才支持计划gxyq2018139

在线出版日期：2019-06-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：780-787