基于Apriori算法与MapReduce优化模型的并行式数据聚类方法

作     者：吕立新 杨帆 

作者机构：安徽商贸职业技术学院信息与人工智能学院安徽芜湖241000 菲律宾科技大学工程技术学院菲律宾马尼拉0900 

基　　金：安徽省教育厅高校优秀青年人才支持计划课题(编号gxyq2018236)的研究成果之一 

出 版 物：《九江学院学报（自然科学版）》 (Journal of Jiujiang University：Natural Science Edition)

年 卷 期：2022年第37卷第4期

页      码：65-67,84页

摘      要：针对Apriori算法产生大量无效候选集的问题,为提升MapReduce模型下Apriori算法挖掘关联规则的性能,提出崭新的并行式数据聚类方法:基于W-DPC策略设计Apriori候选项集结合方法,预先确定MapReduce模型框架下Apriori算法执行的passes量,reduce无需等待map任务执行完毕再开始工作,降低passes阶段的运行负载;通过引入二项频繁集快速生成策略,明显降低Apriori算法生成二项频繁集的时间复杂度。实验结果显示,该方法有效平衡了各节点的工作负载量,降低了Apriori算法运行的时间复杂度。

主 题 词：Apriori算法 MapReduce模型 并行式 聚类 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.19717/j.cnki.jjun.2022.04.014

馆 藏 号：203117211...