一种快速并行关联规则算法研究及仿真

在比较了当前几种并行关联规则挖掘算法的基础上,对并行关联规则算法进行了比较全面的分析,为了解决其性能和效率方面存在的问题,提出了一种快速挖掘策略的并行处理算法(FPARM),并对这种快速并行关联规则算法的性能作了比较分析。经过计算机仿真实验的性能比较,采用快速并行算法的性能和效率提高了,达到了算法优化的目的。

快速发现关联规则挖掘算法的并行化方法

分析挖掘关联规则主要并行算法及性能.针对算法中负载平衡和时间响应问题,提出一种高效可行的挖掘关联规则的NA(Ntransactionalgorithms)并行算法,给出了NA算法的策略.通过前期实验结果表明,这种快速发现关联规则的并行算法在计算大项集过程中不需要同步和交换数据,在任意情况下,可独立计算局部大项集.

采掘关联规则的高效并行算法

采掘关联规则是数据采掘领域的一个重要问题．文中对采掘关联规则问题进行了简单的回顾；给出了一种提高顺序采掘关联规则效率的方法；分析了已有并行采掘关联规则算法的优缺点；设计了一个效率较高的并行采掘关联规则的算法ＰＭＡＲ；并与其它相应算法进行了比较．实验证明，算法ＰＭＡＲ是有效的．

数据库中关联规则的并行挖掘算法

提出了数据库中挖掘关联规则的并行算法，探讨了相关的数据结构，并对算法进行了定性分析。该算法不仅适用于布尔型属性，而且也适用于非布尔型属性。

分布式并行关联规则挖掘算法研究

关联规则挖掘算法FP-Growth虽然效率比Apriori要快一个数量级,但存在频繁模式树可能过大而内存无法容纳和数据挖掘过程串行处理等两大缺点。提出一种分布式并行关联规则挖掘算法,该算法针对分布式应用数据架构,不需要产生全局FPtree,避免全局FP-tree可能过大而内存无法容纳的问题,算法在各个主要步骤上都实现了并行处理。算法测试结果和分析表明,与传统的关联规则挖掘算法FP-Growth相比,该算法通过多节点分布式并行处理显著提高了执行效率和处理能力。

挖掘关联规则的并行算法研究

对挖掘关联规则的算法进行了简单的回顾 ,分析了已有的挖掘关联规则算法的不足 。

快速关联规则挖掘算法研究

本文在分析FP-growth关联规则挖掘算法的基础上,提出了一种称之为MFP的算法,给出了算法的工作原理。MFP算法能在一次扫描事务数据库过程中,把该数据库转换成MFP树,然后对MFP树进行关联规则挖掘。

关联规则最大频繁项目集的快速发现算法

提出一种快速发现最大频繁项目集的算法,该算法对集合枚举树进行改进,结合自底向上与自顶向下的搜索策略,利用非频繁项目集对候选最大频繁项目集进行剪枝和降维,减少了不必要候选最大频繁项目集的数量,显著提高了发现的效率.

海量数据上挖掘关联规则的并行算法

针对目前关联规则挖掘算法中数据库规模很大时算法执行时间太长的问题.指出了并行计算是解决该问题的一个有效方法.利用新提出的可以忽略仅仅在少于1/4的结点机上的局部频繁项集,给出了一种新的并行随机抽样方法,并利用机群并行计算机的自治能力和I/O高度并行的特点,提高了抽样算法对海量数据的处理能力和效率.理论分析和实验数据显示,该算法的加速比接近于处理机的个数p,通信复杂性为处理机的个数p的对数,具有良好的扩展性和海量处理能力,且精确度较高.

一种提取关联规则的数据挖掘快速算法

提出了一种从大型数据库中挖掘关联规则的快速算法 .该算法以经典的 Apriori和 DHP算法为基础 ,提出了中间检查点、等价项目类等概念 ,并对 Apriori中的 Apriori- gen算法进行了改进 .结果表明 ,它较

一个有效的分布式并行挖掘关联规则算法

提出了一个基于分布式结构的快速有效的关联规则挖掘算法,它采用了分布式结构,各节点并行计算,与相关算法相比有效地减少了通信量和候选项集数目,算法可扩展性好,实现简单。

并行多层关联规则的挖掘算法研究

在分析了单数据库多层关联规则算法SMAM算法的基础上,为了提高现有算法的效率,改善内存的使用率,提出了两种并行多层关联规则算法PMAM-L和PMAM-LG。在无共享的工作站机群上进行性能测试,证明PMAM算法是有效的。

加权关联规则的并行挖掘算法

关联规则是数据挖掘的重要研究内容之一,而传统的算法均为串行算法且将数据库项目按平等一致方式加以处理。文章提出了加权关联规则的并行挖掘算法,探讨了相关的数据结构,并对算法进行了定性分析。

高效的关联规则快速更新算法

挖掘关联规则的两大经典算法Apriori和FP-tree算法都是以批处理方式处理所有事务。但在实际应用中,新事务频繁地出现,这就需要不断更新关联规则。为了提高更新效率,有效减少扫描原数据库的次数,基于次频繁项的概念,在快速更新频繁模式树(FUFP-tree)算法的基础上,提出了一种改进的算法。实验结果表明新算法具有良好的性能。

基于并行遗传算法的关联规则挖掘

根据关联规则挖掘的要求与特点,结合并行遗传算法的思想,通过定义适应度函数,讨论了并行遗传算法在数据挖掘中的应用.结合一个实例,提出了基于并行遗传算法的关联规则的提取算法.

基于并行计算的关联规则挖掘优化算法

研究了采用并行算法挖掘关联规则的优化方案。在数据分发(DD)算法的基础上引入了改进的智能数据分发(IDD)算法;之后提出采用混和分发(HD)算法,该算法综合了计数分发(CD)和IDD算法的优点,简单而有效地解决了算法中非常重要的候选项目集在各个处理器节点之间的划分问题,尽可能使得各个节点负载平衡。最后,对IDD和HD算法的复杂度给出了较为详细的分析。

一种改进的挖掘关联规则的并行算法研究

介绍了一种改进的基于Apriori算法的挖掘关联规则的并行算法,并和以前提出的DD算法进行了比较。这种改进的算法克服了以IDD前提出的DD算法的缺点,消除了DD算法中的工作冗余。

一种并行化的分组关联规则算法

提出一种通过分组达到并行化的改进Apriori算法,研究了分组的构造以及分组后因连接步和剪枝步的简化而达到的效率的提高。对于算法中涉及的原理给予了完整的论证并结合实例给出了改进算法的实现步骤。结果表明,改进算法通过连接步和修剪步的简化大大地提高了规则发现的效率,并可以很方便地达到并行化。

多表间关联规则的并行挖掘算法

通过关键字等相关属性之间的联系，在不进行连接操作的情况下，探讨了多表间关联规则的数据挖掘问题．给出了相关的数据结构和具有较好并行度的算法，并对算法作了定性分析．

基于小超集的关联规则快速挖掘算法

关联规则是数据挖掘最重要的课题之一。该文简单回顾了挖掘关联规则问题，提出了一种基于较小超集的高效的关联规则挖掘算法，该算法仅须对数据库作三次遍历，实现方便，提高了效率。