频繁项集挖掘的研究进展及主流方法

摘要：

关联分析作为数据挖掘的主要研究模块之一,主要用于发现隐藏在大型数据集中的强关联特征.而多数关联规则挖掘任务可分为频繁模式(频繁项集、频繁序列、频繁子图)的产生和规则的产生.前者发现数据集中满足最小支持度阈值的项集、序列与子图;后者从上一步发现的频繁模式中提取高置信度的规则.频繁项集挖掘是许多数据挖掘任务中的关键问题,也是关联规则挖掘算法的核心.十几年来,学者们致力于提高频繁项集的生成效率,从不同的角度进行改进以提高算法效率,大量的高效可伸缩性算法被提出.文中对频繁项集挖掘进行深入分析,对完全频繁项集、闭频繁项集、极大频繁项集的典型算法进行介绍和评述,最后对频繁项集挖掘算法的研究方向进行简要分析.

关键词：关联分析、完全频繁项集挖掘、闭频繁项集挖掘、极大频繁项集挖掘

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1-11,26