一种用作频繁项集挖掘的改进Apriori算法

• 作者: 傅明 曹敦 陈宇晖
• 来源期刊: 科技与创新
• 关键词: Apriori算法 FP-树 数据挖掘 关联规则 项集
• 年，卷（期）: 2010,（24）
• 页码范围: 138-140
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.2095-6835.2010.24.054

摘要

关联规则挖掘是数据挖掘领域的一个热点.Apriori算法作为进行关联规则挖掘的一种重要算法,其应用范围相当广泛.但用传统的Apriori算法做关联规则挖掘时,需要为每一个候选项集C的成员扫描整个数据库来确定其支持度.当数据库或数据仓很大时,算法的运行时间非常长.为此本文提出了一种改进的Apriori算法.该算法在使用Apriori性质删除候选项集时,采用频繁子集数量多少的判别方式减少对上级频繁项集的扫描.在计算候选项集支持度时,采用FP-树作为数据结构存储数据,从而大大降低了对数据库的扫描次数,提高算法的整体效率.经过一些列的实验论证,改进的Apriori算法效率比传统的高,尤其在支持度较低,数据库较大时,优势明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅明	长沙理工大学计算机与通信工程学院	84	512	11.0	17.0
2	曹敦	长沙理工大学计算机与通信工程学院	31	150	7.0	11.0
3	陈宇晖	长沙理工大学计算机与通信工程学院	1	3	1.0	1.0