10.16208/j.issn1000-7024.2019.07.020
结合遗传算法的Apriori算法改进
针对Apriori算法存在效率低、内存损耗大等问题,提出一种基于遗传算法来寻找频繁项集的(GNA)算法.结合Apriori算法和遗传算法的特点,设计k步挖掘过程,利用交叉算子产生候选项集和变异算子筛选频繁项集,避免多次扫描数据库的同时,减少冗余.实验结果表明,GNA算法相比Apriori算法,对稀疏数据集或稠密数据集,在挖掘频繁模式的数量及效率上都有显著提高.
关联规则、Apriori算法、遗传算法、事务数据库、频繁模式
40
TP301.6(计算技术、计算机技术)
2019-08-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
1922-1926