基于集合枚举树的最小预测集挖掘算法  

Algorithm of Mining Minimal Prediction Set Based on Set-enumeration Tree

作　　者：张军[1] 陈凯明[1] 

机构地区：[1]中国科学技术大学计算机系,合肥230027

出　　处：《计算机工程》2008年第9期76-77,80,共3页Computer Engineering

基　　金：国家自然科学基金资助项目(60573170)

摘　　要：为缩减关联规则存储空间和方便查询关联规则,提出一种前件为单一项目的最小预测集算法。利用集合枚举树找到最大频繁项目集,据此来挖掘最小预测集。对规则扩展的有效性进行证明。实验结果表明,通过该算法得到的最小预测集比传统方法小1个数量级。For reducing the spaces of rule database and facilitating users to query, the minimal prediction set is used and mined using maximum frequent item sets which are found by a set-enumeration tree. The effectiveness of rule expansion is proved in theory. Experimental results show that it is efficient to reduce 1 order of the traditional one.

关 键 词：关联规则 集合枚举树 最小预测集 最大频繁集 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]