孙 斌 韩艳玲 丰国超

(中国地质大学信息工程学院 湖北 武汉 430074)



Apriori改进算法在研究影响土壤反射率因素中的应用

孙 斌 韩艳玲 丰国超

(中国地质大学信息工程学院 湖北 武汉 430074)

首先简短介绍Apriori算法相关概念、改进算法的理论和实现步骤。继而通过实例试探性地将其运用到研究影响土壤反射率因素的应用中。实验结果表明：改进的Apriori算法不仅提高了产生频繁项集的效率，而且有效地减少了算法的计算时间。最后，验证并说明了关联规则、Apriori及其改进算法适用的广泛性以及有效性。

Apriori算法 土壤反射率 有机质 关联规则

0 引 言

Apriori算法[1]是由Agrawal等人提出的一种用于挖掘关联规则中频繁项集的算法[2]，其最显著的特征就是应用先验知识即prior knowledge(频繁项集性质)通过迭代方法逐层搜索数据库。

Apriori 算法主要存在两方面的问题: 一是算法在每产生一次候选项集，都必须重新扫描一遍事务数据库D。对数据库规模大的情况，扫描数据库的过程将会在外部存储介质和内存之间频繁交换数据。二是连接操作和处理候选项目集的测试过程花费大量的时间。这些都将使处理的时间复杂度很大[3]。Apriori的改进算法，也都是基于这两方面考虑的[4]：减少扫描事务数据库D的次数以及删除多余的无用的候选项目集。

1 Apriori算法及其改进思想

1.1 算法简介

在关联规则中，支持度大于或等于最小支持度的项集称为频繁项集，简称频集。为了生成所有频繁项集，使用了递归的方法：先找到频繁1-项集集合L1，然后用L1找到频繁2-项集集合L2，接着用L2找L3，直到找不到频繁K项集为止，找每个Lk都需要对数据库扫描一次。……