关联规则挖掘Apriori算法的研究与改进

• 作者: 刘华婷 姜浩 郭仁祥
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 数据挖掘 关联规则 频繁项集 Apriori算法
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 数据库技术
• 页码范围: 146-149
• 页数: 4页
• 分类号: TP3
• 字数: 4161字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.01.054

摘要

关联规则挖掘是数据挖掘研究领域中的一个重要任务,旨在挖掘事务数据库中有趣的关联.Apriori算法是关联规则挖掘中的经典算法.然而Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点.对Apriori算法的原理及效率进行分析,指出了一些不足,并且提出了改进的Apriori_LB算法.该算法基于新的数据结构,改进了产生候选项集的连接方法.在详细阐述了Apriori_LB算法后,对Apriori算法和Apriori_LB算法进行了分析和比较,实验结果表明改进的Apriori_LB算法优于Apriori算法,特别是对最小支持度较小或者项数较少的事务数据库进行挖掘时,效果更加显著.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜浩	东南大学计算机科学与工程学院	48	786	15.0	26.0
2	刘华婷	东南大学计算机科学与工程学院	2	196	2.0	2.0
3	郭仁祥	东南大学计算机科学与工程学院	2	196	2.0	2.0