文献类型：期刊文章

作　　者：裘慧奇[1]

QIU Huiqi(Office of Information,University of Shanghai for Science and Technology,Shanghai 200093,China)

机构地区：[1]上海理工大学信息化办公室,上海200093

出　　处：《上海理工大学学报》

基　　金：国家自然科学基金资助项目(61472256,61170277)。

年　　份：2022

卷　　号：44

期　　号：1

起止页码：56-61

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、IC、JST、SCOPUS、核心刊

摘　　要：针对传统的关联分析算法Apriori执行效率低、I/O过重、计算量过大等问题,提出了一种通过减少扫描数据库次数来降低候选项集计算复杂度,在频繁项集求解过程中通过将事务项集转换为行向量,利用“与”操作来提高算法执行效率的Apriori改进算法。利用学生在校行为数据集对Apriori改进算法进行有效性和高效性验证。同时,为了符合算法对样本数据的要求,在样本数据处理过程中对原始数据进行了清洗和离散化处理,定义了分析对象的样本数据离散化处理的规则。通过实验分析比较了Apriori改进算法与经典Apriori算法的性能。结果表明,Apriori改进算法保持了对实际分析对象关联规则挖掘的有效性,同时具有更高的执行效率。

关 键 词：数据挖掘 关联分析  向量矩阵 APRIORI改进算法

分 类 号：TP393]