论文部分内容阅读
针对已有概率频繁项集挖掘算法采用模式增长的方式构建树时产生大量树节点,导致内存空间占用较大以及发现概率频繁项集效率低等问题,提出了改进的不确定数据频繁模式增长（PUFP-Growth）算法。该算法通过逐条读取不确定事务数据库中数据,构造类似频繁模式树（FP-Tree）的紧凑树结构,同时更新项头表中保存所有尾节点相同项集的期望值的动态数组。当所有事务数据插入到改进的不确定数据频繁模式树（PUFP-Tree）中以后,通过遍历数组得到所有的概率频繁项集。最后通过实验结果和理论分析表明：PUFP-Growth算法