关联规则揭示项集间有趣的相联关系,可广泛应用于购物篮分析、相关分析、分类、网络个性化服务等领域,是数据挖掘的重要研究课题。自1993年R.Agrawal,R.srikant首次提出该问题以来,已出现了许多关联规则挖掘算法。这些算法大多基于Apriori算法,在挖掘频繁模式时需要产生大量候选项集,多次扫描数据库,时空复杂度过高。 本文提出的第一种频繁集挖掘算法—Suppoqui算法,扫描1遍数据库,查找出频繁1-项集,然后只扫描1遍最大频繁集长度的结点集合,就可查找出所有的无冗余的频繁集。 传统的关联规则挖掘都是基于频繁集来进行的,往往生成过多的规则,使用户很难进行取舍。为此,本文又提出了第二种关联规则挖掘算法—SG算法,SG算法避开了频繁集的求解而直接挖掘出无冗余的关联规则。 与基于Apriori算法的传统算法相比,Suppoqui算法和SG算法无论从时间上还是从空间上来说都以数量级减少,因此都是高效、可行的。