10.16208/j.issn1000-7024.2015.07.019
压缩FP-Tree的改进搜索算法
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。
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
TP311(计算技术、计算机技术)
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
2015-08-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
1771-1777