1、關聯(lián)規(guī)則是數(shù)據(jù)挖掘的一個重要研究方向，旨在挖掘項集之間的內在聯(lián)系。Fp樹算法是關聯(lián)規(guī)則的一種基于深度的典型算法，具有良好的性能和可擴展性。Fp樹通過自頂向下構造頻繁樹和自底向上挖掘頻繁項集，只需掃描事務數(shù)據(jù)庫兩次便可以有效的挖掘出頻繁項集，因而比基于寬度的Apriori算法快一個數(shù)量級。但是，F(xiàn)p樹采用遞歸的方法，同一條路徑需要多次遍歷，這成為制約Fp樹算法效率的瓶頸。改進后的算法采用空間換時間的方法在每個節(jié)點上添加一個標記位來標識該節(jié)

2、點是否被遍歷，首先通過遍歷Fp樹找到所有葉子節(jié)點，然后從頭表找出樹中的葉子節(jié)點，從葉子節(jié)點開始回溯樹中的路徑，將同一條路徑存儲在一個線性鏈表中，從而減少同一條路徑的遍歷次數(shù)。實驗顯示：改進后的算法對于稀疏事務數(shù)據(jù)和稠密事務數(shù)據(jù)都能有效的提高挖掘效率，雖然增加了標記位的空間消耗，但是同時減少了條件Fp樹的生成，因而空間性能也有所提高。 入侵檢測是數(shù)據(jù)挖掘的一個重要應用方向，而挖掘算法效率的提高則是其中的一個研究熱點。本文分析了當前

3、入侵檢測的研究進展，采用Jpcap開源庫設計了入侵檢測的數(shù)據(jù)采集模塊。將改進后的Fp算法應用于入侵檢測中的關聯(lián)規(guī)則挖掘中，采用主軸因子和參考因子有效地過濾頻繁項集來獲得規(guī)則集，通過模式比較來獲得入侵行為。采用林肯實驗室的1998年的網(wǎng)絡實時數(shù)據(jù)進行實驗，將改進后的Fp樹算法應用到關聯(lián)規(guī)則的模式庫挖掘中，采用不同的支持度來挖掘訓練數(shù)據(jù)集和測試數(shù)據(jù)集。實驗結果顯示，對于入侵數(shù)據(jù)，改進后的Fp樹算法比原Fp樹算法挖掘效率更高。檢測結果顯示，改