基于hadoop与医疗大数据的FP-Growth算法的优化研究
针对传统FP-Growth算法在大规模数据环境下挖掘效率低下的问题,提出了一种改进的FP-Growth算法.该算法主要是通过基于频繁闭项集策略对完备模式树进行剪枝进而减小搜索空间规模,达到提高算法挖掘效率的目的.并将改进后的FP-Growth算法的分治策略与分布式计算框架Hadoop的MapReduce编程模式有机结合,进一步提高了大数据环境下的挖掘效率.实验证明,基于Hadoop的改进FP-Growth算法的效率较传统FP-Growth算法有所提高.
数据挖掘关联规则、FP-Growth、HadoopMapReduce
14
TP314(计算技术、计算机技术)
华侨大学科研基金资助项目13BS415;泉州市科技计划基金资助项目2014Z112;福建省自然科学基金资助项目2015J05125;国家自然科学基金资助项目61372107
2018-07-03(万方平台首次上网日期,不代表论文的发表时间)
共3页
1-2,9