数据挖掘中关联规则算法的研究及应用

摘要：

针对Apriori和AprioriTid算法中存在的项集生成瓶颈问题,提出了一种基于事务集压缩、候选项集压缩和支持度布尔矩阵的改进AprioriTid算法.该算法中通过删去不必比较的事务来有效缩减数据集;优化频繁项集的自连接方式来减少生成的候选项集个数;使用支持度布尔矩阵来加快候选项集的验证速度.实验结果表明改进算法比原算法执行效率明显提高,同时也验证了该算法在油液监测故障诊断中的有效性.

关键词： 数据挖掘 关联规则 Apriori算法 AprioriTid算法 频繁项集 故障诊断 油液监测

作者: 高杰 李绍军 钱锋

作者单位: 华东理工大学自动化研究所,上海,200237

会议类型: 国内会议

会议名称: 第17届中国过程控制会议

会议地点: 江苏无锡

会议语种:中文

页码: 528-531

在线出版日期: 2006-07-31（万方平台首次上网日期，不代表论文的发表时间）