改进的Apriori算法的研究及应用

摘要：

针对传统的关联规则数据挖掘算法Apriori在处理海量数据时效率低、扩展性差等问题,提出利用Hadoop平台的编程模型MapReduce实现Apriori算法并行化的方法,通过改变数据集的大小、最小支持度、最小置信度、节点数目等几个实验对算法性能进行测试.测试结果表明,经过改进后的Apriori算法,具有良好的并行扩展能力,能够满足大数据处理的需求.实例分析将该算法应用到学生成绩数据中,验证了其有效性,能更好地为教育决策服务.

关键词：云计算、关联规则、数据挖掘、大数据、学生成绩

所属期刊栏目：38

分类号：TP311(计算技术、计算机技术)

资助基金：江苏省高校自然科学研究面上基金项目16KJB140007;泰州市科技支撑软科学计划基金项目RM201429

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3324-3328