基于置信度与隐含度削减的Apriori算法改进

• 作者: 张小平 王代星 王翰虎
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 数据挖掘 关联规则 Apriori算法改进 置信度 隐含度
• 年，卷（期）: 2010,（11）
• 页码范围: 105-108
• 分类号: TP311.13|TP301.6
• 字数: 3469字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2010.11.026

摘要

Apriori算法自身虽然进行了一定的优化,但它无法对最庞大的2阶候选项集进行削减,频繁项集中也至少有80%的项集不包含有效规则.其它改进算法虽然从不同角度对原算法进行了优化,但也不能解决后一个问题.文中所研究的算法,在保留原算法优化的基础上,首先引入隐含度概念及隐含度削减算法,对庞大的2阶候选项集进行削减;其次利用置信度,对k≥2阶频繁项集进行削减,同步生成关联规则,从而提高算法效率;最后讨论了只挖掘单项关联规则的可行性,仅需扫描原始数据库2次.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王代星	贵州大学计算机科学与信息学院	2	12	2.0	2.0
2	张小平		8	39	4.0	6.0
3	王翰虎	贵州大学计算机科学与信息学院	41	449	10.0	20.0