| 一种挖掘最大频繁项集的深度优先算法 |
| |
| 引用本文： | 颜跃进,李舟军,陈火旺.一种挖掘最大频繁项集的深度优先算法[J].计算机研究与发展,2005,42(3):462-467. |
| |
| 作者姓名： | 颜跃进 李舟军 陈火旺 |
| |
| 作者单位： | 国防科学技术大学计算机学院,长沙,410073;国防科学技术大学计算机学院,长沙,410073;国防科学技术大学计算机学院,长沙,410073 |
| |
| 基金项目： | 国家自然科学基金项目(9010402660073001)
国家"八六三"高技术研究发展计划基金项目(2002AA144040) |
| |
| 摘 要： | 最大频繁项集挖掘是许多数据挖掘应用中的重要问题．提出一种新的深度优先搜索最大频繁项集的算法．该算法采用位图数据格式,结合了流行的各种有效剪枝技术,并使用局部最大频繁项集来进行高效的超集存在判断,明显地加速了最大频繁项集的生成,从而降低了CPU时间．
|
| 关 键 词： | 最大频繁项集 深度优先搜索 位图 前瞻剪枝 |
A Depth-First Search Algorithm for Mining Maximal Frequent Itemsets |
| |
| Yan Yuejin,Li Zhoujun,Chen Huowang.A Depth-First Search Algorithm for Mining Maximal Frequent Itemsets[J].Journal of Computer Research and Development,2005,42(3):462-467. |
| |
| Authors: | Yan Yuejin Li Zhoujun Chen Huowang |
| |
| Abstract: | Maximal frequent itemsets mining is a fundamental and important problem in many data mining applications. Since the MaxMiner algorithm first introduced the enumeration tree for MFI mining in 1998, there have been several proposed methods using depth-first search to improve performance. Here presented is DFMfi, a new depth-first search algorithm for mining maximal frequent itemsets. DFMfi adopts bitmap data format, several popular prune techniques which prune the search space efficiently, and local maximal frequent itemsets for superset checking quickly. Experimental comparison with the previous work indicates that it accelerates the generation of maximal frequent itemsets obviously, thus reducing CPU time. |
| |
| Keywords: | maximal frequent itemsets depth-first search bitmap look-ahead pruning |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
