基于fg-growth算法的大数据频繁项集挖掘方法

作者：张婷曼; 牛奕翔; 李娜

来源：现代雷达, 2021, 43(11): 63-67.

DOI：10.16592/j.cnki.1004-7859.2021.11.011

• fg-growth算法
• 大数据频繁项集
• 数据挖掘
• 数据处理

针对大数据中频繁项集挖掘方法存在的问题,提出一种基于fg-growth算法的大数据频繁项集挖掘方法。该方法首先使用最大最小标准化线性函数,对大数据进行离散化、归一化、异常值检测等相关性处理;然后,基于贪心策略均衡节点负载和通信量,完成节点优化;最后,经过数据库和TID表格之间的转化得到高频项集数据库用于数据供给,以确定最大合并候选项目阶次和产生候选项目,并对其进行分类累加,将结果与支持度之间进行判断,从而得到高频项集。实验结果表明:在相同实验条件下,设计方法的F1值、可扩展性以及算法运行时间均优于传统方法。

• 单位
  西安交通大学城市学院