论文研究基于模糊等价类的频繁项集精简表示方法.pdf

频繁项集挖掘是数据挖掘应用中的关键问题，而巨大的频繁项集数目成为了现实应用中的阻碍。为了降低频繁项集数量，使其更加利于应用，提出了一种基于格结构的频繁项集精简模型，并证明了该方法产生支持度误差的范围；此外，在模型的基础上提出了一种模糊等价类精简表示算法FEC。实验结果表明，该方法能够保证在频繁项集数量大幅降低的同时，不会引入过大的支持度错误，与Index-Meta算法相比，产生的支持度错误较小。因此，基于模糊等价类的频繁项集精简表示模型及FEC算法有较高的应用价值。