论文部分内容阅读
数据挖掘中关联挖掘算法比较典型的有Apriori和FP-growth算法.实验和研究证明FP-growth算法优于Apriori算法.但是针对大型数据库这两种算法都存在着较大缺陷,不仅要两次或多次扫描数据库,而且很难处理支持度和数据变化等关联规则更新问题.作者提出了基于模式矩阵的FP-growth改进算法,它至多扫描数据库一次,特别在更新问题上不用重新扫描数据库.通过实验结果分析,验证了这种改进算法相对于原有FP-growth算法的优势,特别在大数据集下,大大降低了挖掘的时间复杂度.