典型文献
基于Apriori算法与MapReduce优化模型的并行式数据聚类方法
文献摘要：
针对Apriori算法产生大量无效候选集的问题,为提升MapReduce模型下Aprio-ri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-DP C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.
文献关键词：
Apriori算法;MapReduce模型;并行式;聚类
中图分类号：
作者姓名：
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
文献出处：
引用格式：
[1]吕立新;杨帆-.基于Apriori算法与MapReduce优化模型的并行式数据聚类方法)[J].九江学院学报（自然科学版）,2022(04):65-67,84
A类：
Aprio
B类：
Apriori,MapReduce,并行式,数据聚类,聚类方法,选集,关联规则,DP,策略设计,候选项集,集结,结合方法,预先确定,模型框架,算法执行,passes,reduce,map,完毕,二项,快速生成,生成策略,时间复杂度,负载量
AB值：
0.403384
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
