基于频繁项集挖掘最大频繁项集和频繁闭项集

doi:10.3778/j.issn.1002-8331.2008.28.049

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (28): 146-148.DOI: 10.3778/j.issn.1002-8331.2008.28.049

• 数据库、信号与信息处理 • 上一篇下一篇

基于频繁项集挖掘最大频繁项集和频繁闭项集

姜晗¹,贾泂²,徐峰¹

1.济宁职业技术学院计算机工程系，山东济宁 272000
2.浙江师范大学数理与信息工程学院，浙江金华 321004

收稿日期:2007-11-21 修回日期:2008-03-04 出版日期:2008-10-01 发布日期:2008-10-01
通讯作者: 姜晗

Mining of maximum frequent itemsets and frequent closed itemsets based on frequent itemsets

JIANG Han¹,JIA Jiong²,XU Feng¹

1.Department of Computer Engineering，Jining Vocational & Technical College，Jining，Shandong 272000，China
2.College of Mathematics，Physics and Information Engineering，Zhejiang Normal University，Jinhua，Zhejiang 321004，China

Received:2007-11-21 Revised:2008-03-04 Online:2008-10-01 Published:2008-10-01
Contact: JIANG Han

摘要/Abstract

摘要： 提出了基于频繁项集的最大频繁项集（BFI-DMFI）和频繁闭项集挖掘算法（BFI-DCFI）。BFI-DMFI算法通过逐个检测频繁项集在其集合中是否存在超集确定该项集是不是最大频繁项集；BFI-DCFI算法则是通过挖掘所有支持度相等的频繁项集中的最大频繁项集组合生成频繁闭项集。该类算法的提出，为关联规则的精简提供了一种新的解决方法。

关键词: 最大频繁项集, 频繁闭项集, 频繁项集, 关联规则

Abstract: In this paper，a new kind of algorithms BFI-DMFI（Mining Maximum Frequent Itemsets） and BFI-DCFI（Mining Frequent Closed Itemsets） is proposed.In BFI-DMFI，we can confirm whether a frequent itemsets is also a maximum frequent itemsets through detecting whether exiting their superset itemsets in frequent itemsets.In BFI-DCFI，in order to generate frequent closed itemsets，we can make use of mining maximum frequent itemsets from frequent itemsets which have equal support.This kind of algorithms provides a new method for reducing the set of association rules.

Key words: maximum frequent itemsets, frequent closed itemsets, frequent itemsets, association rules

姜晗¹,贾泂²,徐峰¹. 基于频繁项集挖掘最大频繁项集和频繁闭项集[J]. 计算机工程与应用, 2008, 44(28): 146-148.

JIANG Han¹,JIA Jiong²,XU Feng¹. Mining of maximum frequent itemsets and frequent closed itemsets based on frequent itemsets[J]. Computer Engineering and Applications, 2008, 44(28): 146-148.

[1]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[2]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[3]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[4]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[5]	刘莉萍1，章新友1，牛晓录2，郭永坤1，丁亮1. 基于Spark的并行关联规则挖掘算法研究综述[J]. 计算机工程与应用, 2019, 55(9): 1-9.
[6]	郭鹏，蔡骋. 基于聚类和关联算法的学生成绩挖掘与分析[J]. 计算机工程与应用, 2019, 55(17): 169-179.
[7]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[8]	赵慧茹，林民. 融合关联规则的学术论文主题学习及表示方法[J]. 计算机工程与应用, 2018, 54(20): 159-165.
[9]	石陆魁1，张欣1，师胜利2. 基于Spark的FP_Growth算法的并行与优化[J]. 计算机工程与应用, 2018, 54(13): 52-58.
[10]	王晓丹，王建宇. 自动售药机配仓算法研究[J]. 计算机工程与应用, 2017, 53(4): 256-262.
[11]	刘琰，张进，陈静，尹美娟，张伟丽. 基于最大频繁项集挖掘的微博炒作群体发现方法[J]. 计算机工程与应用, 2017, 53(4): 90-97.
[12]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[13]	宋奎勇1，2，王念滨1，王红滨1，寇香霞2. 结合最近邻与闭模式子空间聚类方法[J]. 计算机工程与应用, 2017, 53(16): 134-137.
[14]	徐珺1，李明霞2，刘保相2. 基于区间概念格的规则优化方法与应用[J]. 计算机工程与应用, 2017, 53(13): 167-173.
[15]	薛福亮1，马　　莉2. 利用动态产品分类树改进的关联规则推荐方法[J]. 计算机工程与应用, 2016, 52(4): 135-141.

基于频繁项集挖掘最大频繁项集和频繁闭项集

Mining of maximum frequent itemsets and frequent closed itemsets based on frequent itemsets

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics