基于选择标准的Apriori算法改进  

Improved Apriori algorithm based on Selection Criterion

作　　者：马良斋[1] 姜滨[1] 摆慧娟 

机构地区：[1]兰州交通大学电子与信息工程学院,甘肃兰州730070 [2]甘肃银行,甘肃兰州730000

出　　处：《河西学院学报》2016年第2期82-84,96,共4页Journal of Hexi University

基　　金：甘肃省自然科学基金项目(项目批准号:1212RJZA059)

摘　　要：关联规则挖掘通过发现密切相关项集的方法已经在商业决策中被广泛使用.现针对关联规则挖掘的经典算法Apriori需要重复多次扫描整个数据库导致在空间和时间方面有很大负载的问题,提出了根据研究者所感兴趣的项集作为关联规则的结果,采用对数据库进行类标签压缩来减少迭代次数.通过实验显示该方法可以有效提高Apriori算法的效率.Association rule mining is used to uncover closely related item sets in transactions for deciding business policies. Apriori algorithm is a classical algorithm of association rule mining. Traditional apriori algorithm is space and time consuming since it requires repeated scanning of whole transaction database. In this paper we propose improved apriori based on compressed transaction database. Transaction database is compressed based on the consequence of interest.

关 键 词：数据挖掘 关联规则 数据库压缩 APRIORI算法 ARM 

分 类 号：TP391.75[自动化与计算机技术—计算机应用技术]