数据挖掘中频繁项集挖掘算法的改进

• 作 者: 韩慧敏 陈寿元 邵增珍
• 机 构: 山东师范大学信息科学与工程学院
• 出 处: 山东师范大学学报：自然科学版
• 发表日期: 2014年4期
• 关键词: 数据挖掘 关联规则 频繁项集 data miningassociation rulesfrequent items
• 基金项目: 山东省自然科学基金资助项目（ZR2011FQ029）,山东省科技发展计划项目（2011GGB01252）.

Apriori算法是关联规则挖掘中的经典算法，一直是数据挖掘领域的研究热点。传统的Apriori算法由于产生过多的无用的候选项集以及需要多次扫描数据库导致在一定程度上限制了算法的效率。本文针对这一问题，提出一种新的RF-Apriori算法。该算法首先对数据进行二元处理；然后利用项集的反单调性减少候选项集的产生，从而提高算法效率。实验结果表明，RF -Apriori算法效率明显优于Apriori算法。