CFPM:一种基于压缩FP-树的频繁项集挖掘算法
FP-growth算法是频繁模式挖掘的主要方法之一,也是目前数据挖掘研究中的热点.本文针对该算法所需的FP-树占用大量空间且挖掘时递归生成数目庞大的条件FP-子树的缺点,提出了一种基于压缩FP-树结构且无需生成条件FP-子树的挖掘算法CFPM.实验表明,与标准的的FP-grown算法相比,CFPM算法极大地缩小了挖掘所需的空间和时间.同时,该算法还可快速挖掘出特定内容和长度的频繁项集.
FP-growth FP-树 条件FP-树 压缩FP-树 动态寻根 频繁项集挖掘
陈飞 李铭 商琳 陈世福
南京大学计算机软件新技术国家重点实验室,南京,210093
国内会议
武汉
中文
283-286
2005-09-20(万方平台首次上网日期,不代表论文的发表时间)