1、挖掘事務數(shù)據(jù)庫、時間序列數(shù)據(jù)庫中的頻繁模式已經(jīng)成為數(shù)據(jù)挖掘中很受關注的研究方向.以前的研究大致可以歸納為兩類:一類是類似于Apriori的候選集產(chǎn)生與測試方法,但是在頻繁模式較長時,生成候選集需要很大開銷;另一類是不產(chǎn)生候選集的算法如FP-growth算法,它比Apriori算法有較大的性能提高,但仍存在著一定的缺點:通過條件模式基的分析產(chǎn)生頻繁模式仍然需要大量的開銷.該文針對FP-growth算法的不足,給出一種基于頻繁模式樹的頻繁模

2、式挖掘算法FP-reduce.它采用FP-tree的數(shù)據(jù)結構來存儲所有的頻繁模式信息并對FP-樹的每一個結點都進行剩余保存,即對每一項集中的每一項都復制一份除去該項的剩余項集,并將其添加到FP-樹中,這樣就可以在保存了原來項集的信息的基礎上對原來的項集進行處理:保留或者刪除,而不丟失信息.剩余保存使得所需計算的頻繁模式不斷地縮短,最終可得到所有的二項以上的頻繁項集形成的FP-樹.理論和實驗表明,該算法具有優(yōu)良的性能,特別是當數(shù)據(jù)集擴大到