高效的关联规则快速更新算法

doi:10.3778/j.issn.1002-8331.2009.04.041

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (4): 146-148.DOI: 10.3778/j.issn.1002-8331.2009.04.041

• 数据库、信号与信息处理 • 上一篇下一篇

高效的关联规则快速更新算法

谭军^1,2,卜英勇²,杨勃²

1.中南林业科技大学计算机学院，长沙 412006
2.中南大学机电工程学院，长沙 410083

收稿日期:2008-07-28 修回日期:2008-08-30 出版日期:2009-02-01 发布日期:2009-02-01
通讯作者: 谭军

High-efficient fast updating algorithm for mining association rules

TAN Jun^1,2,BU Ying-yong²,YANG Bo²

1.College of Computer Science，Central South University of Forestry and Technology，Changsha 412006，China
2.College of Mechanical & Electrical Engineering，Central South University，Changsha 410083，China

Received:2008-07-28 Revised:2008-08-30 Online:2009-02-01 Published:2009-02-01
Contact: TAN Jun

摘要/Abstract

摘要： 挖掘关联规则的两大经典算法Apriori和FP-tree算法都是以批处理方式处理所有事务。但在实际应用中，新事务频繁地出现，这就需要不断更新关联规则。为了提高更新效率，有效减少扫描原数据库的次数，基于次频繁项的概念，在快速更新频繁模式树（FUFP-tree）算法的基础上，提出了一种改进的算法。实验结果表明新算法具有良好的性能。

关键词: 关联规则, Apriori算法, FP-tree算法, 快速更新频繁模式树, 次频繁项

Abstract: Apriori and FP-tree algorithm needed to process all transactions in a batch way.But in real applications，new transactions are usually inserted into databases.For improving efficiency of updating and decreasing the times of scanning original database，a new algorithm is proposed based on the concept of pre-large itemsets，which is at the base of FUFP-tree algorithm.Experimental results show that it has a good performance.

Key words: association rules, Apriori algorithm, FP-tree algorithm, FUFP-tree, pre-large itemsets

谭军^1,2,卜英勇²,杨勃². 高效的关联规则快速更新算法[J]. 计算机工程与应用, 2009, 45(4): 146-148.

TAN Jun^1,2,BU Ying-yong²,YANG Bo². High-efficient fast updating algorithm for mining association rules[J]. Computer Engineering and Applications, 2009, 45(4): 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]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.
[7]	曹卫东1，2，许代代2，王静2，王家亮2. 民航NOSHOW预测及强因子关联分析[J]. 计算机工程与应用, 2019, 55(2): 221-227.
[8]	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.
[9]	曹菁菁1，任欣欣2，徐贤浩2. 基于并行Apriori的物流路径频繁模式研究[J]. 计算机工程与应用, 2019, 55(11): 257-264.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	陈亚楠，朱习军. 基于Hadoop的中医哮喘用药组合关联分析[J]. 计算机工程与应用, 2017, 53(13): 95-98.
[15]	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.

高效的关联规则快速更新算法

High-efficient fast updating algorithm for mining association rules

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