压缩FP-Tree的改进搜索算法

摘要：

为克服Apriori算法候选频繁项集的支持数计算效率过低和频繁模式增长算法 FP‐Grow th多次建立条件模式树时内存耗费大的问题，提出基于压缩频繁模式树（CFP‐Tree）的改进搜索算法（MCFP‐Tree）。利用Apriori算法候选项集生成的思想和压缩频繁模式树紧凑的数据结构，采用自底向上的搜索策略，快速挖掘压缩频繁模式树及其子树，更快得到候选项集的支持数。实验结果表明，该算法可以高效计算出候选频繁项集出现的频次，挖掘效率明显优于 Apriori和 FP‐Grow th算法。

关键词：数据挖掘、关联规则、压缩频繁模式树、Apriori算法、频繁模式增长算法

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金项目61304071；中央高校基本科研业务费专项基金

在线出版日期：2015-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1771-1777