基于矩阵的Apriori改进算法的关联规则挖掘

分析Apriori算法挖掘频繁项集存在的时间和空间效率低下的局限性,提出基于矩阵与项集索引表的频繁项集挖掘算法.根据频繁项集先验性质,通过对矩阵压缩减少数据扫描的规模,进而对压缩后的矩阵行向量作按位与运算,可实现数据项集频度统计并生成相应的项集索引表,进而生成频繁项集.挖掘过程中不用生成候选项集.经MATLAB仿真实验验证该算法较Apriori算法的时间和空间效率均有提高,并通过一个算例探讨了Apriori改进算法的网页访问关联规则挖掘.