[1]马青霞 李广水 郑滔[].多谓词约束下基于模式增长的频繁项集挖掘算法[J].计算机技术与发展,2011,(10):116-120.
　MA Qing-xia,LI Guang-shui,ZHENG Tao.Algorithms for Mining Frequent Itemsets with Multi-Predication Constraints Based on Frequent Pattern Growth[J].,2011,(10):116-120.
点击复制

多谓词约束下基于模式增长的频繁项集挖掘算法()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2011年10期
页码:
116-120
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Algorithms for Mining Frequent Itemsets with Multi-Predication Constraints Based on Frequent Pattern Growth
文章编号:
1673-629X（2011）10-0116-05
作者:
马青霞1; 2 李广水1; 2 郑滔[3]
[1]金陵科技学院信息技术学院[2]江苏省信息分析工程实验室[3]南京大学软件学院
Author(s):
MA Qing-xia;  LI Guang-shui;  ZHENG Tao
[1]School of Information Technology, Jinling Institute of Technology[2]Jiangsu Information Analysis Engineering Laboratory[3]Software Institute, Nanjing University
关键词:
频繁项集; 约束模式挖掘; 多维关联规则; 频繁模式树
Keywords:
frequent itemsets;  constraint-based pattern mining;  multidimensional association rule;  FP-tree
分类号:
TP311
文献标志码:
A
摘要:
针对多维关联规则中挖掘事务数据库的所有频繁项集这一问题，提出了基于维约束进行求解的构想。采用模式增长的挖掘方法并根据渭词约束特征，设计了两种频繁项集挖掘算法，其中MCMF11算法在指定约束下构建模式树并进行频繁项集挖掘，而节点向量约束的算法MCMF12在预先挖掘出无约束频繁项集的情况下，依据给定约束对已有频繁集及模式树进行更新搜索，因此需要开销更多的主存，但在更新过程中有更高的效率。理论分析和实验结果都表明了MCMFI算法的完备性和有效性
Abstract:
Aiming at mining multidimensional frequent itemsets from affair database, the conception of mining with multidimensional constrained is brought forward. Two algorithms are designed according to FP-growth and predication constraint, the MCMFI1 must construct FP-tree for every constraint as another algorithm MCMFI2 which based on node vector constrained have more excellent performance in searching and updating the existing FP-Tree and itemsets, but spending added memory. The analyses and experiments prove algorithms are effective

相似文献/References:

[1]李雷 丁亚丽 罗红旗.基于规则约束制导的入侵检测研究[J].计算机技术与发展,2010,(03):143.
　LI Lei,DING Ya-li,LUO Hong-qi.Intrusion Detection Technology Research Based on Homing - Constraint Rule[J].,2010,(10):143.
[2]张笑达 徐立臻.一种改进的基于矩阵的频繁项集挖掘算法[J].计算机技术与发展,2010,(04):93.
　ZHANG Xiao-da,XU Li-zhen.An Advanced Frequent Itemsets Mining Algorithm Based on Matrix[J].,2010,(10):93.
[3]王爱平 王占凤 陶嗣干 燕飞飞.数据挖掘中常用关联规则挖掘算法[J].计算机技术与发展,2010,(04):105.
　WANG Ai-ping,WANG Zhan-feng,TAO Si-gan,et al.Common Algorithms of Association Rules Mining in Data Mining[J].,2010,(10):105.
[4]张广路 雷景生 吴兴惠.一种改进的Apriori关联规则挖掘算法（英文）[J].计算机技术与发展,2010,(06):84.
　ZHANG Guang-lu,LEI Jing-sheng,WU Xing-hui.An Improved Apriori Algorithm for Mining Association Rules[J].,2010,(10):84.
[5]陈伟.Apriori算法的优化方法[J].计算机技术与发展,2009,(06):80.
　CHEN Wei.Method of Apriori Algorithm Optimization[J].,2009,(10):80.
[6]王伟 高亮 吴涛.基于遗传算法的长频繁项集挖掘方法[J].计算机技术与发展,2008,(04):19.
　WANG Wei,GAO Liang,WU Tao.A Method of Mining Long Frequent Itemset Based on Genetic Algorithm[J].,2008,(10):19.
[7]吴春阳 何友全.数据挖掘技术及其在旅游线路规划系统的应用[J].计算机技术与发展,2008,(09):235.
　WU Chun-yang,HE You-quan.Application of Association Rule in Data Mining for Tour Planning[J].,2008,(10):235.
[8]荣秋生 颜君彪.网格下最大频繁项集挖掘算法的实现[J].计算机技术与发展,2007,(01):98.
　RONG Qiu-sheng,YAN Jun-biao.Implementation of Maximal Frequent Itemset Data Mining Based on Grid[J].,2007,(10):98.
[9]冯洁 陶宏才.典型关联规则挖掘算法的分析与比较[J].计算机技术与发展,2007,(03):121.
　FENG Jie,TAO Hong-cai.Analysis and Comparison of Representative Algorithms for Mining Association Rules[J].,2007,(10):121.
[10]程玉胜 邓小光 江效尧.Apriori算法中频繁项集挖掘实现研究[J].计算机技术与发展,2006,(03):58.
　CHENG Yu-sheng,DENG Xiao-guang,JIANG Xiao-yao.Realization of Mining Frequent Itemsets Based on Apriori[J].,2006,(10):58.

备注/Memo

备注/Memo:
国家863项目（863/2007AA012448）;江苏省现代教育技术研究重点立项课题（2010-T-15267）;金陵科技学院博士启动基金（JIT-B-01）马青霞（1976～），女，硕士，讲师，主研方向为数据挖掘、关联规则
更新日期/Last Update: 1900-01-01