基于布尔矩阵和MapReduce的FP-Growth算法

被引：49

作者：

陈兴蜀

张帅

童浩

崔晓靖

机构：

[1] 四川大学计算机学院

来源：

华南理工大学学报(自然科学版) | 2014年 / 42卷 / 01期

关键词：

数据挖掘; 关联规则; 布尔矩阵; MapReduce; FP-Growth算法;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

摘要：

关联规则挖掘是数据挖掘的一个重要组成部分.为提高关联规则的挖掘效率,提出了一种基于布尔矩阵和MapReduce的FP-Growth算法(BPFP),分析了算法的时间和空间复杂度.该算法使用Hadoop框架和布尔矩阵以减少对事务数据的扫描次数,利用两次MapReduce来实现频繁项集的挖掘.在多个数据集上的实验结果表明,与原FP-Growth算法相比,BPFP算法具有更高的执行效率、更好的加速比.

引用

页码：135 / 141

页数：7

共 8 条

[1]

A decentralized approach for mining event correlations in distributed system monitoring.[J].Gang Wu;Huxing Zhang;Meikang Qiu;Zhong Ming;Jiayin Li;Xiao Qin.Journal of Parallel and Distributed Computing.2012,

[2]

An Improved Association Rules Algorithm Based on Frequent Item Sets.[J].Yaqiong Jiang;Jun Wang.Procedia Engineering.2011,

[3]

An Improved Apriori Algorithm Based On the Boolean Matrix and Hadoop.[J].Honglie Yu;Jun Wen;Hongmei Wang;Li Jun.Procedia Engineering.2011,

[4]

A load-balanced distributed parallel mining algorithm.[J].Kun-Ming Yu;Jiayi Zhou;Tzung-Pei Hong;Jia-Ling Zhou.Expert Systems With Applications.2009, 3

[5]

Performance study of distributed Apriori-like frequent itemsets mining [J].