频繁项集挖掘是一类重要的数据挖掘问题,可以广泛应用在关联规则挖掘、相关性分析、入侵检测、序列模式、分类和聚类等多种数据挖掘任务中。本文对大量频繁项集挖掘算法进行了深入的研究与分析,主要分析了不同算法中事务数据库在内存中的存储形式,以及各种有效的实现技巧。特别对多种前缀树型结构进行了分析比较,分析了各自的特点以及内存占用情况。 本文提出了一种新的频繁项集挖掘算法——F-Miner,该算法使用了两种新的数据结构:FP-Forest以及AFP-Tree。AFP-Tree构建时,频繁1-项集按支持度递增的顺序排列,遍历方式采用自顶向下深度优先的策略。AFP-Tree的根是一个可以标识这一棵树的具体的项。一个事务数据库在内存中要用多棵AFP-Tree存储,这些AFP-Tree构成FP-Forest。 在F-Miner算法的执行的过程中,每一次递归都要牵涉到AFP-Tree的构建与释放,在这一过程中要频繁地申请与释放内存,造成程序效率的下降。为了解决这一问题,本文设计了高效内存管理器(HPMM)来负责内存单元的申请与释放。 实验结果表明AFP-Tree和FP-Forest是两种有效的数据结构,F-Miner算法是一个高效的频繁项集挖掘算法。