基于分解数据库的FP-growth算法关联规则研究
刘艺1
张海涛2
刘奇燕2
石硕1
1.中国海洋大学信息科学与工程学院 青岛 2661002.云南中烟工业有限责任公司技术中心 昆明 650024
摘要：论文针对频繁模式增长算法(FP-growth)中存在的频繁模式树(FP-tree)占据空间过大等问题,提出了一种改进的FP-growth算法,该算法采用分解数据库思想对事务数据库进行分类后分别挖掘以提高算法效率,并在提取规则时增加约束条件以更好地适用于所研究的医疗数据.实验结果表明,该算法的计算效率、产生的关联规则数量方面的性能明显优于经典的Apriori算法和FP-growth算法.通过对糖尿病以及它的三种主要并发症的关联规则的研究,获得糖尿病主要并发症发病概率定量关系(高血压>高脂血症>冠心病)以及肥胖增大患糖尿病并发症概率的规则,对于糖尿病并发症的前期预防有一定参考价值.
关键词：改进FP-growth算法关联规则散列表数据库分解规则提取糖尿病并发症
分类号：TP311(计算技术、计算机技术)
资助基金：国家重点研发计划(2016YFB1001103)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1306-1310,1416 )
英文信息