APP下载

基于前缀项集的Apriori算法改进

2017-02-27于守健周羿阳

计算机应用与软件 2017年2期
关键词:数据库效率

于守健 周羿阳

(东华大学计算机学院 上海 201600)

基于前缀项集的Apriori算法改进

于守健 周羿阳

(东华大学计算机学院 上海 201600)

关联规则的挖掘是数据挖掘中一个重要内容,主要目的是找到事务数据库中的有趣的模式。Apriori算法是关联规则挖掘的最经典算法之一,但是它本身存在着效率上的瓶颈。在深入了解Apriori算法前提下,提出基于前缀项集的候选集存储结构,并利用哈希表在快速查找上的优势,大大提高了经典Apriori算法在连接步骤和剪枝步骤中的效率。实验证明改进后的Apriori算法在一定支持度下比经典Apriori算法有着更大的效率优势,并且支持度越小时提升效率越大。

数据挖掘 Apriori算法 前缀项集 关联规则 哈希表

0 引 言

随着计算机技术在各个行业的迅猛发展,各行业所产生的数据也越来越多,但是如何在这些海量数据中获取有价值的信息也成了一个新的问题。数据挖掘,即数据知识发现,正是在这个大背景下应运而生。数据挖掘[1]是从大量的数据中挖掘出隐含的、未知的、用户可能感兴趣的知识和规则。关联规则是数据挖掘中的一个重要内容,它最先由Agrawal等提出[2],主要解决的是顾客交易事务库中项集之间的关联规则问题。隔年,Agrawal等人又提出了计算关联规则的最经典的算法,即Apriori算法[3],它是由k-项集来推断(k+1)-项集并通过剪枝来获得k-项集的算法。但是由于Apriori算法在计算候选集中的计算瓶颈问题,近年来也出现了针对不同方面的的算法改进方式。Zhang等[4]提出了基于分类的改进的Apriori算法,在效率上有一定程度的提升。……

登录APP查看全文

猜你喜欢

数据库效率
提升朗读教学效率的几点思考
注意实验拓展,提高复习效率
效率的价值
数据库
数据库
数据库
数据库
数据库
跟踪导练(一)2
“钱”、“事”脱节效率低