文献类型：期刊文章

作　　者：刘华婷[1] 郭仁祥[1] 姜浩[1]

机构地区：[1]东南大学计算机科学与工程学院,江苏南京210089

出　　处：《计算机应用与软件》

年　　份：2009

卷　　号：26

期　　号：1

起止页码：146-149

语　　种：中文

收录情况：CSA、CSA-PROQEUST、CSCD、CSCD_E2011_2012、IC、JST、ZGKJHX、普通刊

摘　　要：关联规则挖掘是数据挖掘研究领域中的一个重要任务,旨在挖掘事务数据库中有趣的关联。Apriori算法是关联规则挖掘中的经典算法。然而Apriori算法存在着产生候选项目集效率低和频繁扫描数据等缺点。对Apriori算法的原理及效率进行分析,指出了一些不足,并且提出了改进的Apriori_LB算法。该算法基于新的数据结构,改进了产生候选项集的连接方法。在详细阐述了Apriori_LB算法后,对Apriori算法和Apriori_LB算法进行了分析和比较,实验结果表明改进的Apriori_LB算法优于Apriori算法,特别是对最小支持度较小或者项数较少的事务数据库进行挖掘时,效果更加显著。

关 键 词：数据挖掘 关联规则 频繁项集 APRIORI算法

分 类 号：TP311.13] TP391[计算机类]