关联规则中FP-tree的最大频繁模式非检验挖掘算法

基于FP-tree的最大频繁模式挖掘算法是目前较为高效的频繁模式挖掘算法,针对这些算法需要递归生成条件FP-tree、做超集检验等问题,在分析DMFIA-1算法的基础上,提出了最大频繁模式的非检验挖掘算法NCMFP。该算法改进了FP-tree的结构,使挖掘过程中不需要生成条件频繁模式树也不需要超集检验。算法采用的预测剪枝策略减少了挖掘的次数,采用的求取公共交集的方式保证了挖掘结果的完整性。实验结果表明在支持度相对较小情况下,NCMFP的效率是同类算法的2～5倍。

关联规则中改进FP-tree的最大频繁模式挖掘算法

关联规则挖掘是数据挖掘领域中重要的研究内容，最大频繁模式挖掘又是关联规则挖掘中的关键问题之一。针对已有的最大频繁模式挖掘算法存在的问题，通过对FP—Growth、FP—Max算法的分析，提出了基于改进FP—tree的最大频繁模式挖掘算法DFP—Max。该算法使用预测、剪枝的策略减少条件FP—tree个数，采用数字集匹配代替项集匹配的方式，减少超集检验的次数，并且避免了中间结果的组合连接，从而使算法达到较高的效率。实验结果表明，在支持度相对较小情况下，DFP—Max的效率是同类算法的2-5倍。