李 龙 刘 澎 张可佳 黄 珊 李 倩

（东北石油大学计算机与信息技术学院 大庆 163318）

1 引言

数据挖掘是对大数据集的探索过程，并揭示出其中的隐含规律，它融合了众多的技术，是计算机科学的一个重要分支［1］。利用数据挖掘技术进行数据分析，是一项极具现实意义的尝试，它能够加速理论知识到实际应用的转化。其中关联分析是数据挖掘中重要的分析技术之一，关联分析是从历史数据集中发现隐含模式，从海量数据集中发现潜在价值的方法，它反映过了一个事件与其他事件相互关联的关系。

随着信息化时代的到来，各类公司积攒了大量的数据，如何利用这些长期积攒的数据成为了主要问题［2］。本文主要针对股票的历史交易数据进行挖掘，指导投资者合理购买股票，达到辅助决策的效果。

目前，部分研究学者提出了经典的Apriori关联规则挖掘算法［3～5］，提出了股市中关联规则挖掘方面的相关技术应用。本文在具体探究中的研究目标是挖掘频繁项集中涉及到的Apriori算法，并将其改进。针对股票板块联动关联规则挖掘这一问题，提出一种改进的Apriori 算法。在目前传统Apriori算法的基础上改进算法中数据库的扫描次数，筛选出有用候选集，提高算法的利用效率。

2 改进的Apriori算法

目前研究学者提出的改进Apriori 算法［6～10］对扫描数据库的次数与时间过程的考虑较少，对Apriori 算法的研究并没有克服全部的局限性［11～15］，没有做到将Apriori算法的运算时间效率提高。

本文在深入研究传统的Apriori算法的基础上，提出一种改进的Apriori-L 算法，优化频繁集的计算过程，提高算法的运行时间效率，对二项频繁集数目超过二项的频繁集方面的操作在具体实践应用中起到关键性的意义。……