简介:传统的关联规则Apriori算法在产生频繁项集的过程中,需要多次扫描事务数据库以及多次扫描频繁项集,从而造成算法性能下降.为了减少扫描事务数据库以及频繁项集的次数,在生成的候选k项集中,除了存储项集item-set以及支持度计数count之外,加入事务标识符列表Tidlist属性,在生成频繁k项集时,可以直接通过Tid-list的交集得出事务标识符列表以及项集的计数,不需要去扫描事务数据库,从而可以有效地提高算法的性能.文中提出了一种改进的关联规则挖掘模型以及关联规则挖掘算法I-Apriori算法.实验证明,I-Apriori算法相比Apriori算法的执行时间有明显改进.
简介:摘要对数学挖掘技术中的关联规则挖掘进行实用性分析,选取其中最为经典的市场购物篮分析作为例子帮助分析,在购物篮市场分析中需要运用经典算法R挖掘Apriori算法,总结其算法思想与算法原理以及这个算法在当今社会中应用的广泛度,并对市场购物篮分析进行具体分类与分析。
简介:当前,部分高校对大学毕业生的素质评估仍局限于文化课成绩,没有考虑学生其它方面的能力。为了完善这种片面评估,现利用一种改进的FP-Tree算法对学生的基本情况(包括:专业素质、思想道德素质、文学素质、身体素质、科研素质、社会实践素质、组织管理素质、创新等方面[1])进行规则挖掘,为家庭、学校更好地、有目的有方向地培养学生的各方面能力提供决策。本方法经校教务部门实践证明,切实可行,对教学管理具有指导作用。