改进的数据库一次扫描快速Apriori算法

分析了目前众多的Apriori算法的改进算法,指出其不完备性,提出了一种事务的二元组表示法,该二元组直接用字段的值串和串的出现次数来替换原始事务数据库,并在此基础上进行扫描,该表示法所占内存大小只取决于数据库的基,而与数据库的大小无关,整个过程只进行一次数据库扫描,其它工作都在内存中完成,在数据库的基较小时,表现出良好的性能。同时,定义了一种基于该二元组表示法的索引结构来表示频繁项集,该方案占用内存少,速度快。

基于Apriori算法的降低数据库扫描记录数的挖掘算法研究

本文首先介绍了经典的关联规则挖掘算法--Apriori算法。该算法采用了逐层搜索的迭代方法,对于数据库的扫描问题需要通过重复扫描来计算侯选项集的支持度计数,从而严重影响了运行效率。本文提出了一种改进算法,即通过减少数据库扫描次数的方法提高Apriori算法的效率。

基于事务线索树的一次扫描关联规则增量挖掘算法

首先将事务数据库压缩存储到一棵事务线索树(TT-tree)的结点上,并建立这些结点的索引表,然后寻找结点索引表的最后结点到根结点的全部路径,这些路径及路径的交集包含了用于挖掘关联规则的频繁集.该算法只需扫描事务数据库一次,由于采用了逆向搜索TT-tree的方法,搜索的时间开销非常少.该算法可以挖掘中短模式的海量数据,具有很好的伸缩性,同时该算法具有增量挖掘的功能.通过大量的实验数据进行比较,该算法的速度约是Apriori算法的10倍.

基于扫描空间约简的Association规则开采算法

提出了一种基于扫描空间约简的Association规则开采算法(RBM),改进了传统Apriori算法的空间扫描效率.实验结果指出,当扫描次数N较小,数据库规模较大,支持度较小时,算法的性能改善尤其明显.

关联规则算法的研究

Apriori算法是发现频繁项目集的经典算法,但是该算法需反复扫描数据库,因此效率较低。文中针对传统的Apri-ori算法需要多次扫描数据库,由此导致的性能瓶颈及效率问题,提出了一种改进的关联规则挖掘算法(AAC算法)。该算法只需一次扫描数据库即可完成所有频繁项集的搜索,极大地提高了算法的效率。

一种挖掘最大频繁项目集的优化算法

提出一种与Apriori算法思想截然相反的算法,称为组分解挖掘算法GDMA(Grouping＿Decompo sitionMiningAlgorithm).该算法通过分解较大的非频繁项目集来产生较小候选项目集,使得扫描数据库次数明显减少,同时产生的候选项目集的数据量也大大减少,大大提高了挖掘效率.