论文部分内容阅读
通过对一些著名的闭合频繁集挖掘算法（如CLOSET＋，FP-CLOSE，DCI-CLOSED和LCMv2等）的研究并结合挖掘理论分析，提出了一种新的挖掘算法Cherry,它基于FP-tree结构，并采用了新颖的Cherry Item检测技术，无须在内存中保留闭合频繁集而直接检测出会导致重复的频繁项前缀，从而极大地提高了挖掘效率．性能实验的比较和测试表明，该Cherry算法在低支持度的测试中要优于目前的一些主流挖掘算法，如LCMv2，DCI-CLOSE和FP-CLOSE等．