陈 静

（盐都广播电视大学，江苏 盐城 224006）

基于Apriori的改进算法

陈 静

（盐都广播电视大学，江苏 盐城 224006）

关联规则的提取是数据挖掘中的重要研究内容，对关联规则提取中的Apriori算法进行了分析与研究，针对该算法的运算效率不高，对该算法进行了改进，提出了Apriori改进算法。Apriori改进算法采用二进制数据垂直表示方法，只用扫描事务数据库一次得到一阶大项集的二进制数据垂直表示。K阶候选项集的操作只要基于这个一阶大项集，而不需重复扫描数据库，从而提高了挖掘算法的效率。

数据挖掘；关联规则；Apriori算法；Apriori改进算法

数据挖掘(Date Mining),通常也称为数据库中的知识发现(KDD)，精确地说，在KDD中进行知识学习的阶段称为数据挖掘。数据挖掘是KDD中的一个非常重要的处理步骤，但人们通常不加区别地使用这两个术语。数据挖掘是一个多学科交叉研究领域，它融合了数据库、人工智能、机器学习、统计学、知识工程、面向对象方法、信息检索、高性能计算以及数据可视化等最新技术的研究成果[1]。

1 关联规则分析

关联规则展示属性-值频繁地在给定数据集中一起出现的条件。关联规则可描述为：设集合I={i1,i2,…,ik}是k个不同项目组成的集合。给定一个事务数据库D,其中的每个事务T是I中一组项目的集合，即TÍI，T有唯一的标识TID.若项集X Ì

I,且X Ì T，则事务集T包含项集X。一条关联规则就是形如X=＞Y的蕴涵式，其中X Ì I,YÌ I，并且X∩Y= Æ。关联规则X=＞Y成立的条件是：(1)它具有支持度Supp，即事务数据库D中至少有Supp%的事务包含X∪Y；它具有置信度Conf，即事务数据库D中包含X的事务至少有Conf%同时也包含Y[5]。……