【作者】 杨子良； 陶宏才；

【Author】 Yang Ziliang Tao Hongcai (School of Information Science & Technology,Southwest Jiaotong University,Chengdu,Sichuan 610031,China)

【机构】 西南交通大学信息科学与技术学院；

【摘要】 数据挖掘中的一个重要任务是发现关联规则,产生频繁项集是发现关联规则的一个关键步骤。在关联规则发现方面,目前主要采用的有 Apriori 算法和 FP-树算法,Apriori 算法需要重复扫描数据库且时间复杂度太大,而 FP-树算法的构建和扫描过程则相对复杂。本文提出了一种基于向量运算的快速挖掘频繁项集的算法,该算法只需扫描一次数据库,产生相应的向量后,只需通过关系运算便可快速生成频繁项集,通过与其他一些算法比较,说明该算法具有更好的性能。更多还原

【Abstract】 Discovering association rules is an important task in data mining,whose key is to generate the frequent itemsets.Currently,Apriori algorithm and FP-tree algorithm are mainly used in discovering association rules. However,Apriori algorithm needs to scan database repeatedly,and consumes time.FP-tree algorithm is much complex while generating and scanning the FP-tree.This paper proposes a fast algorithm for mining frequent itemsets based on vector operation.This algorithm only needs scan the database one time,and then uses the generated vector to produce frequent itemsets by relational calculus quickly.It is shown that the new algorithm has better performance than some other ones.更多还原