基于多维多值数据的改进Fp-Growth算法

摘要

本发明针对在面向多维多值数据时，应用传统的Fp‑Growth算法方法在构建Fp‑tree树过程中会占据大量的空间内存，而应用Apriori算法从一项频繁集自连接到频繁二项集会产生大量的候选项集，造成数据爆炸，降低挖掘效率的缺陷。提出了在Fp‑Growth算法的基础上，将多维多值数据依据支持度进行合理排序，来减少构建Fp‑tree过程中所占的空间内存，针对候选项集生成的条件模式基进行“镶嵌”操作，提高挖掘效率，实验表明该算法在人工数据集和UCI真实数据集上比常用的几种关联规则算法具有更好的挖掘效果。