稀疏数据频繁项集挖掘算法研究综述

• 作者: 肖文 胡娟
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 大数据 稀疏数据 频繁项集挖掘 性能分析 综述
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 高性能计算
• 页码范围: 780-787
• 页数: 8页
• 分类号: TP391
• 字数: 7093字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.05.003

摘要

频繁项集挖掘FIM是最重要的数据挖掘任务之一,被挖掘数据集的特征对FIM算法的性能有着显著影响.在大数据时代,稀疏是大数据的典型特征之一,对传统FIM算法的性能带来严峻挑战.针对在稀疏数据中如何高效进行FIM的问题,从稀疏数据的特征出发,分析了稀疏数据对3种类型FIM算法性能的主要影响,对已经提出的稀疏数据FIM算法进行了综述,对算法中采用的优化策略进行了讨论,最后通过实验对代表性的稀疏数据FIM算法进行了性能分析.实验结果表明,采用伪构造策略的模式增长算法最适合用于稀疏数据的FIM,在运算时间和存储空间上,相比其他算法该算法具有较大的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡娟	河海大学文天学院	11	60	3.0	7.0
2	肖文	河海大学文天学院	11	73	3.0	8.0