用于挖掘频繁项集的剪枝策略（NTEP）

摘要

近来研究的热点主要集中在如何缩小搜索空间使得频繁项集挖掘算法更有效。在这篇文章中提出了一种新的搜索空间剪枝技术NTEP，这种剪枝技术可以被应用在多种类Apriori算法。我们选择MAFIA算法将NTEP应用进去，以便获得NTEP的性能。我们用了几种类型的数据集来进行性能测试。最后，我们给出了采用了NTEP的MAFIA和原MAFIA之间的性能比较。结果显示，NTEP可以有效地减小搜索空间，并且对比原MAFIA采用了NTEP的MAFIA算法性能可以很大地提高算法所需时间。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第一章绪论和背景知识

1.1研究背景

1.2本文的研究内容及目的

1.3文章的组织

1.4关联规则的挖掘

1.4.1关联规则简介

1.4.2关联规则挖掘的过程

1.5挖掘频繁项集

1.5.1频繁项集的定义

1.5.2现有的频繁项集挖掘算法

1.5.3现有的最大频繁项集挖掘算法

1.6语法树

1.7剪枝策略

1.7.1什么是剪枝策略

1.7.2现有的剪枝策略

第二章MAFIA算法原理、构成和伪码表示

2.1 MAFIA算法基本思想

2.2 MAFIA算法的剪枝策略

2.3 MAFIA算法的节点动态排序策略

2.4 MAFIA算法的位图压缩技术

2.5 MAFIA算法的伪码表示

第三章新剪枝策略NTEP

3.1新剪枝策略原理：

3.2 NTEP算法

第四章实验结果

4.1实验环境

4.2数据集的选取

4.3实验结果

第五章结论

参考文献

致 谢