基于概率参数的Apriori改进算法

• 作者: 刘子龙 孙帅
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 关联规则 Apriori改进算法 概率参数
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 算法与语言
• 页码范围: 85-87,92
• 页数: 4页
• 分类号: TP312
• 字数: 3115字
• 语种: 中文
• DOI: 10.11907/rjdk.191099

摘要

关联规则可在庞大的数据集中找出不同事务之间隐藏的关系,其中Apriori算法是关联规则分析中较为有效的办法.然而,Apriori算法产生候选项集的效率较低且扫描数据过于频繁,造成算法计算需要耗费较长时间.另外,初始定义的最小支持度与最小置信度也不足以过滤无用的关联规则.针对以上问题,利用概率理论与有效的参数设置,在原有Apriori算法基础上,提出一种基于概率事务压缩的关联规则改进算法.数值算例结果表明,新算法可在第二次迭代之后,大幅减少低效候选项集,从而提升经典Apriori算法效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘子龙	上海理工大学光电信息与计算机工程学院	37	107	6.0	7.0
2	孙帅	上海理工大学光电信息与计算机工程学院	1	2	1.0	1.0