基于事务压缩的频繁项集挖掘和更新算法
樊玫; 段隆振; 陈桂香; 黄龙军
南昌大学信息工程学院； 江西师范大学软件学院 江西南昌330031； 江西南昌330031； 江西南昌330046；
FAN Mei~1,DUAN Long-zhen~1,CHEN Gui-xiang~1 HUANG Long-jun~2(1.College of Information Engineering,Nanchang University,Nanchang 330031,China;2.College of Software,Jiangxi Normal University,Nanchang 330046,China)
摘要 频繁项集挖掘是挖掘关联规则的关键。为了得到用户感兴趣的关联规则,要不断调整最小支持度,这必将引起频繁项集的更新。基于事务压缩思想,提出一种挖掘和更新算法,挖掘频繁项集时扫描压缩的数据库,更新时能减少新产生的k-项集的数量,从而加快了更新速度。
关键词 ：
频繁项集 ,
数据挖掘 ,
关联规则
Abstract ：Finding frequent item sets is the key to mine association rules.The paper should adjust the threshold values with minimum support in order to get users interested rules,and that must lead to the revising of thresholds.It proposes an algorithm for data min
Key words ：
data mining
associat on rule；
frequent item sets
出版日期: 2006-10-28
引用本文:
樊玫; 段隆振; 陈桂香; 黄龙军. 基于事务压缩的频繁项集挖掘和更新算法[J]. 南昌大学学报（理科版）, 2006, 30(05): 1-.
链接本文:
http://qks.ncu.edu.cn/Jwk_xblxb/CN/ 或 http://qks.ncu.edu.cn/Jwk_xblxb/CN/Y2006/V30/I05/1
[1]
黄水源； 段文影； 陈桂香； 胡苏阳. 基于多支持度的增量式关联规则挖掘算法
[2]
白似雪； 段仕林； 梅舒. 基于关系数据库的关联规则挖掘算法DB-growth
[3]
谢霖铨； 章恩； . 基于FP-Tree的概念格量化约简及其在GIS的应用
[4]
李致勋; 公慧玲; 王继成; 李德钿. 关联规则在网络异常检测中的应用
[5]
白似雪; 李婵. M-distinct算法改进:面向动态数据集重发布的隐私保护算法
[6]
彭永供; 王靓明; 朱敏; 段隆振. 基于散列技术的高效剪枝关联规则挖掘算法
[7]
冷皓凡. 数据挖掘技术在医学研究中的应用
[8]
白似雪; 梅君; 吴穹; 朱涛. 一种基于概率加权的朴素贝叶斯分类
[9]
白似雪; 朱涛; 梅君. 基于图的Apriori改进算法
[10]
谢江林; 何宜庆; 陈涛. 数据挖掘在供应链金融风险控制中的应用
[11]
胡健; 谢霖铨; 杨炳儒. 基于模糊状态描述的因果关联规则的提取过程
[12]
周兴斌; 迟殿委. 一种Apriori算法的改进
[13]
白似雪; 朱天. InClosPan:大型数据库中闭序列模式的增量挖掘
[14]
刘江华; 戴新喜; 白似雪. 基于模式矩阵的P_Matrix算法
[15]
陈炼; 孙金华; 饶泓; 廖远; 林渝. 基于Apriori改进算法的Web日志挖掘支撑工具的实现
2006, Vol. 30 