基于优化概念格的频繁项集挖掘算法
关联规则挖掘是数据挖掘研究中一个非常重要的研究领域,如何有效地发现交易中的频繁项集是关联规则挖掘的核心.该文利用有向项集图(Directed Itemsets Graph,DISG)来存储有关概念格的信息,提出了利用深度优先的策略进行搜索的频繁项集挖掘算法DBDG(DFS Based-DISG).该算法将概念格的构建与频繁项集的发现结合起来,有效地降低了概念格算法的复杂性.最后分析了算法在时间和空间上的复杂度并以mushroom数据库为例进行了试验.试验结果证明算法对于处理稠密集数据是有效的.
关联规则 频繁集 概念格 有向项集图 深度优先
温磊 李敏强
天津大学管理学院(天津市)
国内会议
北京
中文
58-62
2003-11-01（万方平台首次上网日期，不代表论文的发表时间）