留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种有效压缩频繁模式挖掘的算法

童咏昕 马世龙 李 钰

童咏昕, 马世龙, 李 钰等 . 一种有效压缩频繁模式挖掘的算法[J]. 北京航空航天大学学报, 2009, 35(5): 640-643.
引用本文: 童咏昕, 马世龙, 李 钰等 . 一种有效压缩频繁模式挖掘的算法[J]. 北京航空航天大学学报, 2009, 35(5): 640-643.
Tong Yongxin, Ma Shilong, Li Yuet al. Effective algorithm for mining compressed frequent patterns[J]. Journal of Beijing University of Aeronautics and Astronautics, 2009, 35(5): 640-643. (in Chinese)
Citation: Tong Yongxin, Ma Shilong, Li Yuet al. Effective algorithm for mining compressed frequent patterns[J]. Journal of Beijing University of Aeronautics and Astronautics, 2009, 35(5): 640-643. (in Chinese)

一种有效压缩频繁模式挖掘的算法

基金项目: 国家973计划资助项目(2005CB321902)
详细信息
    作者简介:

    童咏昕(1982-),男,北京人,硕士生,yxtong@nlsde.buaa.edu.cn.

  • 中图分类号: TP 311.13

Effective algorithm for mining compressed frequent patterns

  • 摘要: 频繁模式挖掘的研究最近致力于在一个合理的容错范围内寻找有代表性的模式来压缩庞大的挖掘结果集.一种新型启发式算法AMSA(Approximating Mining based Simulated Annealing)被提出,其采用了模拟退火思想来保证有效性和压缩的质量.依据FIMI(Frequent Itemset Mining Implementations Repository)提供的公用数据集进行的实验结果也证明了这一结论.通过与FPclose算法和RPglobal算法分别进行了性能的比较,AMSA挖掘的结果集规模小于FPclose算法和RPglobal算法得到的结果集规模,特别是当支持度阈值很低时,RPglobal不可在合理时间内产生结果集,AMSA却可在合理时间内得出较精准的结果集.

     

  • [1] Agrawal R, Srikant R. Fast algorithms for mining association rules Proc of 1994 Int conf on VLDB. Santiago, Chile: VLDB, 1994:487-499 [2] Han J, Pei J, Yin Y. Mining frequent patterns without candidate generation Proc of the 2000 ACM SIGMOD. Dallas, USA: ACM ,2000:1-12 [3] Pasquier N, Bastide Y, Taouil R, et al. Discovering frequent closed itemsets for association rules Proc of the 7th ICDT. Jerusalem, Israel: IEEE, 1999:134-145 [4] Wang J, Han J, Pei J. CLOSET+: Searching for the best strategies for mining frequent closed Itemsets Proc of the 2003 ACM SIGKDD. Washington DC, USA: ACM, 2003:236-245 [5] Grahne G, Zhu J. Efficiently using prefix-trees in mining frequent itemsets Proc of IEEE ICDM Workshop on FIMI. Melbourne, FL: IEEE, 2003:123-132 [6] Bayardo R. Efficiently mining long patterns from databases Proc of the ACM SIGMOD. Seattle, USA: ACM, 1998:85-93 [7] Afrati F N, Gionis A, Mannila H. Approximating a collection of frequent sets Proc of the 2004 ACM SIGKDD. Seattle, USA: ACM, 2004:12-19 [8] Xin D, Han J, Yan Y, et al. Mining compressed frequent-pattern sets Proc of the 2005 VLDB. Trondheim, Norway: VLDB, 2005:709-720
  • 加载中
计量
  • 文章访问数:  2777
  • HTML全文浏览量:  3
  • PDF下载量:  1237
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-08-10
  • 刊出日期:  2009-05-31

目录

    /

    返回文章
    返回
    常见问答