JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

基于兴趣度剪枝的Apriori优化算法

刘上力 ,  杨清

downloadPDF
刘上力, 杨清. 基于兴趣度剪枝的Apriori优化算法[J]. 轻工学报, 2011, 26(4): 68-71. doi: 10.3969/j.issn.1004-1478.2011.04.015
引用本文: 刘上力, 杨清. 基于兴趣度剪枝的Apriori优化算法[J]. 轻工学报, 2011, 26(4): 68-71. doi: 10.3969/j.issn.1004-1478.2011.04.015
shu
LIU Shang-li and YANG Qing. Optimized Apriori algorithm based on interestingness measure pruning[J]. Journal of Light Industry, 2011, 26(4): 68-71. doi: 10.3969/j.issn.1004-1478.2011.04.015
Citation: LIU Shang-li and YANG Qing. Optimized Apriori algorithm based on interestingness measure pruning[J]. Journal of Light Industry, 2011, 26(4): 68-71. doi: 10.3969/j.issn.1004-1478.2011.04.015
shu

基于兴趣度剪枝的Apriori优化算法

  • 湖南科技大学 网络信息中心, 湖南 湘潭 41120

  • 基金项目: 湖南省教育厅重点科学研究项目(10A028)
    湖南省科技计划项目(JT3031)

  • 中图分类号: TP392

Optimized Apriori algorithm based on interestingness measure pruning

  • Network Infor. Center, Hunan Univ. of Sci. and Tech., Xiangtan 411201, China

  • Received Date: 2011-05-13
    Available Online: 2011-07-15

    CLC number: TP392

  • 摘要: 鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值范围.实验结果表明,该算法是有效和可行的.
    Abstract: To solve the problem that the Apriori algorithm of mining association rules in database mining is not quite effective in the process of mining potentially valuable low-support patterns,an optimized apriori mining algorithm was proposed.This algorithm exploits an efficient pruning strategy which uses the interestingness measure to filter the non-positive correlated long model and invalid itemsets.The range of support threshold is expanded.The experimental results indicated that the given algorithm was efficient and feasible.
    1. [1]

      Jiawei Han,Micheline Kamber. Data Mining:Concepts and Techniques[M]. Second Edition. Beijing:China Machine Press,2006:147-172.

    2. [2]

      Agrawal R,Imielinski T,Swami A. Mining association rules between sets of items in large databases[C]//Proc of the ACM SIGMOD Conf on Mana of Data(SIGMOD'93), New York:ACM Press, 1993:207-216.

    3. [3]

      Omiecinski E. Ahemative interesting measures for mining associations[J]. IEEE Trans Knowledge and Data Eng, 2003,15:57.

    4. [4]

      李英杰.项约束频繁项集挖掘的新方法[J].计算机工程与应用,2009,45(3):161.

    5. [5]

      张玉芳,熊忠阳,彭燕,等.基于兴趣度含正负项目的关联规则挖掘方法[J].电子科技大学学报,2010,39(3):407.

    6. [6]

      王艳,刘双红,李玲玲.基于加权关联规则的选课推荐系统的构建[J].郑州轻工业学院学报:自然科学版, 2009,24(5):44.

    7. [7]

      Geng L Q,Hamilton H J. Interestingness measures for data mining:A survey[J]. ACM Comp Surveys, 2006, 38(3):9.

    8. [8]

      Brin S, Motwani R,Silverstein C. Beyond market baskets:generalizing association rules to correlations[C]//Proc ACM SIGMOD Int Conf on Mana of Data, Tucson:ACM Press, 1997:265-276.

    9. [9]

      Huang Wensue,Krneta Milorad,Lin Limin,et al. Associa tion bundle-A new pattern for association analysis[C]//Sixth IEEE Int Conf on Data Mining Workshops(ICDMW' 06) Washington:IEEE Computer Society,2006:601-605.

    1. [1]

      费致根 , 鲁豪 , 宋晓晓 , 赵鑫昌 , 郭兴 , 肖艳秋 . 基于改进ResNet网络的烟丝输送带洁净度分类模型. 轻工学报, 2024, 39(5): 71-77. doi: 10.12187/2024.05.008

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  25
  • 文章访问数:  750
  • 引证文献数: 0
文章相关
  • 收稿日期:  2011-05-13
  • 刊出日期:  2011-07-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
刘上力, 杨清. 基于兴趣度剪枝的Apriori优化算法[J]. 轻工学报, 2011, 26(4): 68-71. doi: 10.3969/j.issn.1004-1478.2011.04.015
引用本文: 刘上力, 杨清. 基于兴趣度剪枝的Apriori优化算法[J]. 轻工学报, 2011, 26(4): 68-71. doi: 10.3969/j.issn.1004-1478.2011.04.015
shu
LIU Shang-li and YANG Qing. Optimized Apriori algorithm based on interestingness measure pruning[J]. Journal of Light Industry, 2011, 26(4): 68-71. doi: 10.3969/j.issn.1004-1478.2011.04.015
Citation: LIU Shang-li and YANG Qing. Optimized Apriori algorithm based on interestingness measure pruning[J]. Journal of Light Industry, 2011, 26(4): 68-71. doi: 10.3969/j.issn.1004-1478.2011.04.015
shu

基于兴趣度剪枝的Apriori优化算法

  • 湖南科技大学 网络信息中心, 湖南 湘潭 41120
  • 收稿日期: 2011-05-13
  • 网络出版日期: 2011-07-15
基金项目:  湖南省教育厅重点科学研究项目(10A028)湖南省科技计划项目(JT3031)

摘要: 鉴于关联规则挖掘中的Apriori算法在挖掘潜在有价值、低支持度模式时效率较低,因此提出一种优化的Apriori挖掘算法,即在频繁项集挖掘中引入项项正相关兴趣度量剪枝策略,有效过滤掉非正相关长模式和无效项集,从而扩大了可挖掘支持度阈值范围.实验结果表明,该算法是有效和可行的.

English Abstract

参考文献 (9) 相关文章 (1)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net