基于剪枝概念格模型的频繁项集表示及挖掘

摘要

发现频繁项集是关联规则挖掘的关键步骤.然而,大多数频繁项集求解算法因需要产生大量候选集而降低了效率.该文在研究概念格和频繁项集关系的基础上,将剪枝概念格PCL模型引入数据库中频繁项集的表示,利用概念间的关系性质,在不丢失信息的同时能有效压缩频繁项集的规模,并提出基于PCL模型的频繁项集求解算法.该算法基于Apriori性质,在构造过程中及时、动态地剪枝,删除与频繁项集求解无关的概念,从而有效地改善了频集挖掘算法的时空性能;实验证实了算法良好的性能.