基于B-list的最大频繁项集挖掘算法

作者： 张昌 ² 文凯 ²² 郑云俊 ²
作者单位：

1. 重庆邮电大学通信新技术应用研究中心

2. 重庆信科设计有限公司
提交时间：2018-05-20 08:45:46

摘要: 针对现有的最大频繁项集挖掘算法挖掘时间过长、内存消耗较大的问题，提出了一种基于构造链表B-list的最大频繁项集挖掘算法BMFI，该算法利用B-list数据结构来挖掘频繁项集并采用全序搜索树作为搜索空间，然后采用父等价剪枝技术来缩小搜索空间，最后再结合基于MFI-tree的投影策略实现超集检测来提高算法的效率。实验结果表明，BMFI算法在时间效率与空间效率方面均优于FPMAX算法与MFIN算法。该算法在稠密数据集与稀疏数据集中进行最大频繁项集挖掘时均有良好的效果。

最大频繁项集挖掘深度优先搜索剪枝技术超集检测

期刊： 计算机应用研究
分类： 计算机科学 >> 计算机科学的集成理论
引用： ChinaXiv:201805.00278 (或此版本 ChinaXiv:201805.00278V1)
DOI:10.12074/201805.00278V1
CSTR:32003.36.ChinaXiv.201805.00278.V1
推荐引用方式： 张昌,文凯,郑云俊.(2018).基于B-list的最大频繁项集挖掘算法.计算机应用研究.[ChinaXiv:201805.00278] (点此复制)

版本历史

[V1]

2018-05-20 08:45:46

ChinaXiv:201805.00278V1

下载全文

相关论文推荐

1. 甘肃方言数据库建设与研究	2024-06-12
2. 面向低资源语言机器翻译的平行语料句对齐评分	2024-06-05
3. Turing’s thinking machine and ’t Hooft’s principle of superposition of states	2024-05-14
4. 恶意代码SCMP分类方法框架与风险行为多标签机制	2024-05-09
5. Guiding Large Language Models to Generate Computer-Parsable Content	2024-04-23
6. SteganoDDPM: A high-quality image steganography self-learning method using diffusion model	2024-04-23
7. 引导大语言模型生成计算机可解析内容	2024-04-21
8. 基于大语言模型的中英文整合复杂性建模研究	2024-04-10
9. 大模型与标准文献知识库的融合应用探索	2024-04-10
10. 简体中文LIWC2024(SCLIWC2024)词典的修订与验证	2024-04-09


公开评论匿名评论仅发给作者