青岛科技大学学报（自然科学版）
青島科技大學學報（自然科學版）
청도과기대학학보（자연과학판）
JOURNAL OF QINGDAO UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE EDITION)
2015年
2期
224-231
,共8页
分布式数据挖掘%频繁项集挖掘%MapReduce%Hadoop%Eclat算法
分佈式數據挖掘%頻繁項集挖掘%MapReduce%Hadoop%Eclat算法
분포식수거알굴%빈번항집알굴%MapReduce%Hadoop%Eclat산법
distributed data mining%FIM%MapReduce%Hadoop%Eclat Algorithm
多种频繁项集挖掘(FIM)方法组合用来对大数据进行挖掘会暴露很多问题.针对暴露的问题,在MapReduce平台上对两种频繁项集挖掘算法进行了研究.采用两种新的大数据集挖掘方法:Dist-Eclat和BigFIM,前者侧重于速度,利用基于k-FIs的简易负荷平衡方案来解决问题.而后者通过先验变体对k-FIs进行挖掘后将找出的频繁项集分配给映射程序,通过优化后在真正大的数据集上运行.最后通过实验证明该方法时间复杂度较低,数据量越大优势将越明显,扩展效果越好.
多種頻繁項集挖掘(FIM)方法組閤用來對大數據進行挖掘會暴露很多問題.針對暴露的問題,在MapReduce平檯上對兩種頻繁項集挖掘算法進行瞭研究.採用兩種新的大數據集挖掘方法:Dist-Eclat和BigFIM,前者側重于速度,利用基于k-FIs的簡易負荷平衡方案來解決問題.而後者通過先驗變體對k-FIs進行挖掘後將找齣的頻繁項集分配給映射程序,通過優化後在真正大的數據集上運行.最後通過實驗證明該方法時間複雜度較低,數據量越大優勢將越明顯,擴展效果越好.
다충빈번항집알굴(FIM)방법조합용래대대수거진행알굴회폭로흔다문제.침대폭로적문제,재MapReduce평태상대량충빈번항집알굴산법진행료연구.채용량충신적대수거집알굴방법:Dist-Eclat화BigFIM,전자측중우속도,이용기우k-FIs적간역부하평형방안래해결문제.이후자통과선험변체대k-FIs진행알굴후장조출적빈번항집분배급영사정서,통과우화후재진정대적수거집상운행.최후통과실험증명해방법시간복잡도교저,수거량월대우세장월명현,확전효과월호.
