为解决带标号的有根无序树的数据库的索引问题, 提出一种新的索引方法, 首先挖掘频繁子树,并从中 挑选出有判别力的子树作为索引属性,然后将索引属性集合中的子树转换成序列, 并将索引组织成前缀树的 形式.给出了在此类索引树中进行搜索的算法, 并用Apriori 剪枝和最大的有判别力的子树来减小搜索空间. 实验结果表明:与其他基于路径的索引方法相比, 这种基于频繁子树的数据库索引在索引大小和查询代价两 方面都有较好的优越性.

数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

通过对Apriori算法的研究和分析，结合算法存在的缺陷，利用“桶”技术及压缩组合项集技术，对频繁项集提出了前缀概念，并提出了基于前缀的频繁项集挖掘算法。该算法将具有同一前缀的频繁项集的子集合作为一个节点，由频繁k-项集的子集合直接产生候选(k+1)-项集，从而省略了连接步中判断I1、I2是否能连接。同时，该算法使得整个程序中节点数目减少，这样不仅减少了内存消耗，而且提高了查找Ck和Lk的速度，尤其便于大型数据库的分布式处理。经实验证实，改进后的算法是可行的。