一种基于 MapR educ e的频繁项集挖掘算法

• 作者: 孙兵率
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 频繁项集 MapReduce Hadoop 可扩展性
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 算法与语言
• 页码范围: 75-77
• 页数: 3页
• 分类号: TP312
• 字数: 2664字
• 语种: 中文
• DOI: 10.11907/rjdk.151007

摘要

随着大数据时代的到来，针对Apriori算法和FP‐Grow th算法在挖掘海量规模数据频繁项集时，存在内存不足、计算效率低等问题，提出一种Aggregating＿FP算法。该算法结合MapReduce并行计算框架与FP‐Growth算法，实现频繁项集的并行挖掘，对每个项进行规约合并处理，仅输出包含该项的前K个频繁项集，提高了海量数据决策价值的有效性。在 Hadoop分布式计算平台上对多组规模不同的数据集进行测试。实验结果表明，该算法适合大规模数据的分析和处理，具有较好的可扩展性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙兵率	西安工程大学计算机科学学院	1	1	1.0	1.0