宋文慧，高建瓴

(贵州大学 大数据与信息工程学院,贵州 贵阳 550025)

基于矩阵的Apriori算法改进

宋文慧，高建瓴

(贵州大学 大数据与信息工程学院,贵州 贵阳 550025)

文中介绍了经典Apriori算法的原理、思想和步骤，以及基于矩阵的Apriori算法。针对Apriori算法需要多次扫描数据库和产生大量候选项集的缺点，提出了一种基于矩阵的Apriori算法的改进方法。该方法的不同之处在于矩阵的构建方法，通过对事务数据库的一次整体扫描，把事务数据库中的数据转换成一个上三角矩阵，然后通过访问上三角矩阵中的元素就可直接得到频繁1项集和频繁2项集，再根据经典的Apriori算法，利用频繁2项集得到频繁3项集，依此进行下去。该算法因为有上三角矩阵的引入，故可以适当地减少访问事务数据库的次数，同时还减少了大量候选项集的产生，尤其是二次候选项集，节约了存储空间。实验结果表明，该改进算法是有效的，减少了使用扫描数据库的函数的次数，并且保证了频繁项集的准确性。

关联规则；Apriori算法；矩阵；M-Apriori算法

1 概 述

数据挖掘，通俗来说，是从大型的数据中找出其内在隐含的信息，而内在的信息可以用关联规则或频繁项集来表示。其中，频繁模式挖掘是关联规则、相关性分析、序列模式、因果关系、情节片段、局部周期性、显露模式等许多重要数据挖掘任务的基础[1]。关联规则是数据挖掘的众多模式中最重要的一种，通过对数据项集间的关联性进行分析和挖掘，挖掘出在决策制定过程中具有重要参考价值的信息。……