文献类型：期刊文章

作　　者：刘林东[1,2] 齐德昱[1]

LIU Lindong;QI Deyu(Research Institute of Computer Systems, South China University of Technology, Guangzhou, Guangdong, 510006, P.R.China;Department of Computer Science, Guangdong University of Education, Guangzhou, Guangdong, 510303, P.R.China)

机构地区：[1]华南理工大学计算机系统研究所,广东广州510006 [2]广东第二师范学院计算机科学系,广东广州510303

出　　处：《广东第二师范学院学报》

基　　金：国家自然科学基金项目(61070015);广东省自然科学基金团队项目(10351806001000000);广东省前沿与关键技术创新项目(2014B010110004);广州市产学研协同创新重大项目(201604016074)

年　　份：2018

卷　　号：38

期　　号：3

起止页码：69-73

语　　种：中文

收录情况：NSSD、RWSKHX、ZMATH、普通刊

摘　　要：传统的关联规则Apriori算法在产生频繁项集的过程中,需要多次扫描事务数据库以及多次扫描频繁项集,从而造成算法性能下降.为了减少扫描事务数据库以及频繁项集的次数,在生成的候选k项集中,除了存储项集item-set以及支持度计数count之外,加入事务标识符列表Tidlist属性,在生成频繁k项集时,可以直接通过Tid-list的交集得出事务标识符列表以及项集的计数,不需要去扫描事务数据库,从而可以有效地提高算法的性能.文中提出了一种改进的关联规则挖掘模型以及关联规则挖掘算法I-Apriori算法.实验证明,I-Apriori算法相比Apriori算法的执行时间有明显改进.

关 键 词：关联规则 频繁项集 候选集 事务数据库 计数

分 类 号：TP391.9]