基于模糊等价类的频繁项集精简表示方法

• 作者: 田卫东 许静文
• 来源期刊: 计算机应用研究
• 关键词: 数据挖掘 模糊等价类 类闭合集 频繁项集 精简表示 关联规则
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 算法研究与探讨
• 页码范围: 1936-1940
• 页数: 5页
• 分类号: TP301.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.07.003

摘要

频繁项集挖掘是数据挖掘应用中的关键问题,而巨大的频繁项集数目成为了现实应用中的阻碍.为了降低频繁项集数量,使其更加利于应用,提出了一种基于格结构的频繁项集精简模型,并证明了该方法产生支持度误差的范围;此外,在模型的基础上提出了一种模糊等价类精简表示算法FEC.实验结果表明,该方法能够保证在频繁项集数量大幅降低的同时,不会引入过大的支持度错误,与Index-Meta算法相比,产生的支持度错误较小.因此,基于模糊等价类的频繁项集精简表示模型及FEC算法有较高的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田卫东	合肥工业大学计算机与信息学院	34	225	8.0	13.0
2	许静文	合肥工业大学计算机与信息学院	2	5	1.0	2.0