基于最频繁项提取与候选集剪枝的THIMFUP算法研究.pptx

content目录01研究背景与问题提出02核心思想与算法架构03关键技术实现细节04实验设计与性能评估05应用前景与未来展望

研究背景与问题提出01

传统频繁项集挖掘算法面临高计算开销与冗余候选生成的挑战候选爆炸传统算法如Apriori在每轮迭代中生成大量候选项集，导致组合爆炸问题。尤其在低支持度阈值下，候选集规模急剧膨胀，显著增加计算负担。频繁扫描算法需多次遍历数据库以计算支持度，I/O开销巨大。随着数据量增长，磁盘访问成为性能瓶颈，严重影响运行效率。冗余计算许多候选集由低频项组成，注定无法通过支持度检验。此类无效组合造成资源浪费，降低整体挖掘效率。空间压力存储庞大的候选项集和中间结果占用