[1]江雨燕,李平.基于PFP-Growth算法的海量频繁项集挖掘[J].计算机技术与发展,2013,(09):63-65.
　JIANG Yu-yan,LI Ping.Mining Massive Frequent Items Based on PFP-Growth Algorithm[J].,2013,(09):63-65.
点击复制

基于PFP-Growth算法的海量频繁项集挖掘()
分享到：

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

卷:
期数:
2013年09期
页码:
63-65
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Mining Massive Frequent Items Based on PFP-Growth Algorithm
文章编号:
1673-629X（2013）09-0063-03
作者:
江雨燕; 李平
安徽工业大学 管理科学与工程学院
Author(s):
JIANG Yu-yan; LI Ping
关键词:
频繁项集; 海量数据; PFP-Growth
Keywords:
frequent itemset; massive data; PFP-Growth
文献标志码:
A
摘要:
随着互联网技术的发展，网络数据变得越来越巨大，如何从中挖掘有效信息成为人们研究的重点。近年来频繁项集挖掘由于其在关联规则挖掘、相关挖掘等任务中的相关重要作用，越来越受到人们的重视。文中针对分布式计算环境下频繁项集挖掘算法的研究，对PFP-Growth算法进行了改进，通过MapReduce编程模型对改进的PFP-Growth算法进行了实现和应用，使用户可以从海量数据中高效地获得所有需要的频繁项集。实验结果表明算法在针对海量数据时具有较高的效率和伸缩性
Abstract:
As the development of Internet,the data on it becomes more massive. How to mine useful information from the Internet is the key of study. In recent years,frequent item mining which plays an important role in associations rule mining and correlations mining be-comes popular among researchers. By the study of mining frequent itemsets based on cloud computing,the PFP-Growth algorithm is im-proved. Run the algorithm under the MapReduce model which allows users to obtain all required frequent itemsets efficiently from mas-sive data,the results of experiment shows the algorithm has good efficiency and flexibility

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,(09):143.
[2]夏奇思 王汝传.基于属性约简的粗糙集海量数据分割算法研究[J].计算机技术与发展,2010,(04):5.
　XIA Qi-si,WANG Ru-chuan.Mass Data Partition for Rough Set on Attribute Reduction Algorithm[J].,2010,(09):5.
[3]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,(09):93.
[4]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,(09):105.
[5]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,(09):84.
[6]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,(09):80.
[7]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,(09):19.
[8]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,(09):235.
[9]宫中樑 唐杰 武港山.基于预计算切片序列的动态体绘制技术[J].计算机技术与发展,2010,(08):5.
　GONG Zhong-liang,TANG Jie,WU Gang-shan.A Precomputed Slicing Based Volume Rendering Technique[J].,2010,(09):5.
[10]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,(09):98.

更新日期/Last Update: 1900-01-01