共查询到19条相似文献,搜索用时 62 毫秒
1.
Apriori算法是发现频繁项目集的经典算法,但是该算法需反复扫描数据库,因此效率较低。针对Apriori算法,GBARM (Group Based Association Rules Mining)算法对事务集进行压缩,并且在统计Ck中各项集的支持频度时,逐步减小Ck的规模,从而改善算法的性能。 相似文献
2.
3.
4.
介绍了关联规则挖掘算法的基本原理和基本概念,包括项目、项目集、置信度、支持度等。重点介绍了经典的Ariori算法、优化的FP_Growth算法,介绍了关联规则分类与挖掘的步骤与常用性质,对常见关联规则挖掘算法的效率作了必要的比较。 相似文献
5.
6.
7.
本文采用一种基于布尔矩阵的频繁集挖掘算法。该算法直接通过支持矩阵行向量的按位与运算来找出频繁集,而不需要Apriori算法的连接和剪枝,通过不断压缩支持矩阵,不仅节约了存储空间,还提高了算法的效率。 相似文献
8.
关联规则挖掘Apriori算法的研究与改进 总被引:7,自引:1,他引:6
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. 相似文献
9.
10.
关联规则挖掘Apriori算法的改进 总被引:3,自引:0,他引:3
在分析研究关联规则挖掘Apriori算法及其若干改进算法的基础上,对Apriori算法做了进一步地改进,提出一种基于条件判断的新思想.改进后的算法根据条件采用了事务压缩与候选项压缩的相结合的方式,减小了不必要的开销,从而提高了挖掘速度. 相似文献
11.
在分析现有的关联规则算法FUP的基础上,指出了该算法的不足之处,进而提出了一种改进的增量式更新算法AUI,AUI算法解决了在线环境下最小支持度和最小置信度两个阈值不变而事务数据库发生变化时高效更新关联规则的问题。实验分析证明了新算法的有效性和优越性。 相似文献
12.
基于Apriori算法改进的关联规则提取算法 总被引:9,自引:2,他引:9
通过对Apriori算法的基本思想和性能的研究分析,认为Apriori算法存在一些不足。并且根据这些不足提出了相应的改进算法对Apriori算法进行优化,从而得到一种改进的Apriori算法,与原算法相比运算效率大大提高。 相似文献
13.
一种新的关联规则增量式更新算法 总被引:8,自引:0,他引:8
首先提出了一个新的概念-后备频繁项目集,其次给出了一种新的增量式更新算法NEWFUP,最后介绍了在某中小型商业企业的事务数据库中该算法的实现。 相似文献
14.
15.
挖掘频繁项集是许多数据挖掘任务中的关键问题,也是关联规则挖掘算法的核心,提高频繁项集的生成效率一直是近几年数据挖掘领域研究的热点之一.在对关联规则挖 掘中基于Apriori算法的改进算法进行深入分析和研究后,本文根据Apriori算法的不足,提出了一种改进策略,从而得到一种优化的Apriori算法.最后,对频繁项集挖掘算法的发展方向进行了初步的探讨. 相似文献
16.
17.
18.
基于关联规则的数据挖掘技术的快速算法 总被引:11,自引:1,他引:11
提出了一种改进的Apriori算法的数据挖掘模式,探讨了对其中的生成候选频繁项目集、生成强关联规则等几个关健步骤运用标准SQL语言的算法实现。 相似文献
19.
一种划分多值属性的关联规则挖掘算法 总被引:1,自引:0,他引:1
提出了一种新的划分方法求拐点,可以根据数据的实际分开布将数量型定义划分为多个定性概念,这种划分符合数据分布的自然性并有利于模式的解释,从而最终得到概括的、易理解的、有效的关联规则。 相似文献