一种基于SOM划分的FP-growth算法

• 作者: 刘海滨 郏奎奎
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: FP-growth 自组织映射 数据挖掘 聚类 数据划分
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 71-76,81
• 页数: 7页
• 分类号: TP181
• 字数: 6363字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.04.015

摘要

FP-growth算法只能处理较小数据集,在面对海量数据集时显得无能为力.对此,对FP-growth算法的挖掘过程进行改进,提出一种基于SOM(self-organizing map)划分的FP-growth算法.在数据预处理阶段,将原始数据中的每条事务标准化为相同维度的数据;考虑到大数据集较难处理的问题,首先利用系统抽样方法从大数据集中抽取出具有代表性的样本;由于包含频繁项的事务具有较小的欧氏距离,再对样本进行SOM聚类分析;根据聚类结果,将大数据集分成若干个子集,在各个子集上并行进行FP-growth算法挖掘.实验结果表明,改进算法降低了内存占用量,缩短了数据挖掘时间,提高了对海量数据的处理能力和效率,并且具有较好的加速比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘海滨		20	71	5.0	7.0
2	郏奎奎		2	3	1.0	1.0