一种基于矩阵和权重改进的Apriori算法

边根庆; 王月

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于矩阵和权重改进的Apriori算法

更新时间：2026-09-04

- 一种基于矩阵和权重改进的Apriori算法
- An Improved Apriori Algorithm Based Matrix and Weight
- 微电子学与计算机 2017年34卷第1期页码：136-140
- 作者机构：
  
  西安建筑科技大学机构信息与控制工程学院,陕西,西安,710055
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目 61073196国家自然科学基金项目 61272458陕西省自然科学基础研究计划项目 2014JM2-6119榆林科技计划项目 2014CXY-12
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
边根庆, 王月. 一种基于矩阵和权重改进的Apriori算法[J]. 微电子学与计算机, 2017, 34(1): 136-140.

BIAN Gen-qing, WANG Yue. An Improved Apriori Algorithm Based Matrix and Weight[J]. 2017, 34(1): 136-140.
边根庆, 王月. 一种基于矩阵和权重改进的Apriori算法[J]. 微电子学与计算机, 2017, 34(1): 136-140. DOI：

BIAN Gen-qing, WANG Yue. An Improved Apriori Algorithm Based Matrix and Weight[J]. 2017, 34(1): 136-140. DOI：

摘要

提出基于矩阵和权重的一种改进算法——MW_Apriori算法.该算法首先通过扫描一次事务数据库来构造0-1事务矩阵

其次赋予项和事务权重

并计算项的权重支持度

从而得到频繁项集.实验结果表明

MW_Apriori算法避免了数据库的重复扫描

使得时间和空间的耗费显著减少

同时能有效地挖掘出隐藏的、更有价值的事件.

Abstract

An improved algorithm

which is called MW_Apriori algorithm is proposed based on the matrix and weight in this paper.Firstly

build the 0-1transaction matrix by scanning transaction database.Then items and transactions are assigned to weights

and the weighted support of items are caculated

accordingly gettig the frequent itemsets.Experiments show that MW_Apriori algorithm avoids rescanning the database

making the cost of time and space significantly reduced

at the same time can effectively mine the hidden and valuable rare events.

关键词

Keywords

references

Baralis E, Cagliero L, Cerquitelli T, et al. NEMICO: Mining Network Data through Cloud-Based Data Mining Techniques[C]//Utility and Cloud Computing, 2014IEEE/ACM 7th International Conference on. IEEE, 2014: 503-504.

Muhammad Asif, Jamil Ahmed. Analysis of Effectiveness of Apriori and Frequent Pattern Tree Algorithm in Software Engineering Data Mining[C]//proceedings of 2015 6th International Conference on Intelligent Systems, Modelling and Simulation. Shanghai, 2015: 28-33.

罗丹, 李陶深. 一种基于压缩矩阵的Apriori算法改进研究[J]. 计算机科学, 2013, 40(12): 75-80. DOI: 75

郑麟. 一种直接生成频繁项集的分治Apriori算法[J]. 计算机应用与软件, 2014, 31(4): 297-301. DOI: 297

Soltani A, Akbarzadeht M R. Confabulation-inspired association rule mining for rare and frequent itemsets[J]. IEEE Transactions on Neural Networks % amp; amp; Learning Systems, 2014, 25(11): 83-92. DOI: 83

Zhang S, Du Z, Wang J T L. New techniques for mining frequent patterns in unordered trees. [J]. IEEE Transactions on Cybernetics, 2015, 45(6): 1113-1125. DOI: 1113

Liao J, Zhao Y, Long S. MRPrePost-A parallel algorithm adapted for mining big data[C]//2014IEEE Workshop on Electronics, Computer and Applications. IEEE, 2014: 564-568.

付沙, 周航军. 关联规则挖掘Apriori算法的研究与改进[J]. 微电子学与计算机, 2013, 30(9): 110-114. DOI: 110

吴学雁, 莫赞. 基于Aproiri算法的频繁项集挖掘优化方法[J]. 计算机应用, 2014(6): 124-129. DOI: 124

周发超, 王志坚, 叶枫, 等. 关联规则挖掘算法Apriori的研究改进[J]. 计算机科学与探索, 2015, 9(9): 1075-1083. DOI: 1075

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

混合云环境下数据流关联规则挖掘算法

基于对比权限模式的恶意软件检测方法

一种高效的关联规则增量式更新算法

基于多尺度融合与小目标增强的航拍车辆检测算法

低功耗设计的双链电源关断策略的实现与验证