基于FP-growth的数据关联改进算法

• 作者: 李文明 李文锋 贺恒松
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 数据关联 FP-growth 频繁项集
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 研究与设计
• 页码范围: 58-64
• 页数: 7页
• 分类号: TP311|TN915.07
• 字数: 6872字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-7300.2017.09.012

摘要

随着现如今数据收集能力和存储能力的大大增强,大规模数据挖掘分析的重要性越来越显得重要.然而,对大规模数据的分析挖掘并不是一件容易的事情.因此,为了可以更高效的分析这些数据,很多新的算法和数据结构逐渐被引入到了数据挖掘分析中去.针对关联分析,提出了一种名为高效频繁模式挖掘(advanced frequent pattern mining,AFPM)算法.基于前置频繁模式树(pre-frequent pattern tree,PFP-tree)来提升关联分析的性能,并提供了相应的算法来实现基于这种数据结构的关联分析.通过大量的实验数据验证了这种新型的数据结构在关联分析问题上是优于频繁模式增长(FP-growth)算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文锋		5	3	1.0	1.0
2	李文明		3	11	2.0	3.0
3	贺恒松		1	2	1.0	1.0