计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (20): 86-91.
曹 博1,倪建成2,李淋淋1,于苹苹1,姚彬修1
CAO Bo1, NI Jiancheng2, LI Linlin1, YU Pingping1, YAO Binxiu1
摘要: 在大数据环境下Apriori频繁模式挖掘算法在数据处理过程具有预先设定最小阈值、时间复杂度高等缺陷, 为此采用多阶段挖掘策略实现并行化频繁模式挖掘算法PTFP-Apriori。首先将预处理数据以模式树的形式存储,通过最为频繁的[k]个模式得到最优阈值。然后根据该值删除预期不能成长为频繁的模式以降低计算规模,并利用弹性分布式数据集RDD完成统计项集支持度计数、候选项集生成的工作。实验分析表明相比于传统的频繁模式挖掘算法,该算法具有更高的效率以及可扩展性。