基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了进一步降低扫描数据库的次数和减轻内存负担,从而更好地提高挖掘频繁项集的效率,一种基于Apriori的优化算法(M-Apriori)被提出。该方法通过构建频繁状态矩阵来存放项集的频繁状态,构建事务布尔矩阵来存放事务与项集的关系,此算法只需在初始化阶段扫描一次数据库产生初始的频繁状态矩阵和事务布尔矩阵,并在此基础上直接递推产生所有的频繁项集。实验证明,与 Apriori 算法相比, M-Apriori 算法具有更好的性能与效率。
推荐文章
基于索引数组的频繁项集挖掘算法
数据挖掘
关联规则
频繁项集
索引数组
基于格的快速频繁项集挖掘算法
数据挖掘
FP-树
频繁项集
基于WNegNodeset结构的加权频繁项集挖掘算法
加权频繁项集
加权支持度
位图加权树
按位运算符
差集策略
基于项编码的分布式频繁项集挖掘算法
频繁项集挖掘
Apriori算法
大数据
分布式计算
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Aproiri算法的频繁项集挖掘优化方法
来源期刊 计算机系统应用 学科
关键词 频繁项集挖掘 M-Apriori算法 关联规则挖掘
年,卷(期) 2014,(6) 所属期刊栏目 软件技术?算法
研究方向 页码范围 124-129
页数 6页 分类号
字数 4916字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 莫赞 广东工业大学管理学院 58 329 10.0 15.0
2 吴学雁 广东工业大学管理学院 12 71 6.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (30)
共引文献  (49)
参考文献  (8)
节点文献
引证文献  (7)
同被引文献  (20)
二级引证文献  (39)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(7)
  • 参考文献(2)
  • 二级参考文献(5)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(10)
  • 引证文献(3)
  • 二级引证文献(7)
2018(10)
  • 引证文献(1)
  • 二级引证文献(9)
2019(20)
  • 引证文献(1)
  • 二级引证文献(19)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
频繁项集挖掘
M-Apriori算法
关联规则挖掘
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机系统应用
月刊
1003-3254
11-2854/TP
大16开
北京中关村南四街4号
82-558
1991
chi
出版文献量(篇)
10349
总下载数(次)
20
总被引数(次)
57078
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导