文献类型：期刊文章

作　　者：黄剑[1] 李明奇[1] 郭文强[2]

机构地区：[1]电子科技大学数学科学学院,成都611731 [2]新疆财经大学计算机科学与工程学院,乌鲁木齐830012

出　　处：《计算机科学》

基　　金：国家自然科学基金(61163066)资助

年　　份：2017

卷　　号：44

期　　号：7

起止页码：262-266

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：对于规模庞大的事务数据库,传统的并行Apriori算法在挖掘中会在数据IO上有较大的时间开销。从压缩事务、减少扫描次数、简化候选集生成3个方面对Apriori算法进行改进。提出了以元素"0"和"1"表示事务的布尔矩阵模型,并引入权值维度,压缩了相同事务的矩阵规模。同时,动态地进行剪枝,矩阵的"与"运算用于候选集合的生成。将改进后的算法在Hadoop框架上进行并行化实现,实验表明该算法适合大规模数据挖掘且具有良好的伸缩性与有效性。

关 键 词：APRIORI算法 事务数据库 布尔矩阵 HADOOP

分 类 号：TP391]