1、頻繁項集挖掘是一類重要的數據挖掘問題，可以廣泛應用在關聯規(guī)則挖掘、相關性分析、入侵檢測、序列模式、分類和聚類等多種數據挖掘任務中。本文對大量頻繁項集挖掘算法進行了深入的研究與分析，主要分析了不同算法中事務數據庫在內存中的存儲形式，以及各種有效的實現技巧。特別對多種前綴樹型結構進行了分析比較，分析了各自的特點以及內存占用情況。 本文提出了一種新的頻繁項集挖掘算法——F-Miner，該算法使用了兩種新的數據結構：FP-Forest以

2、及AFP-Tree。AFP-Tree構建時，頻繁1-項集按支持度遞增的順序排列，遍歷方式采用自頂向下深度優(yōu)先的策略。AFP-Tree的根是一個可以標識這一棵樹的具體的項。一個事務數據庫在內存中要用多棵AFP-Tree存儲，這些AFP-Tree構成FP-Forest。 在F-Miner算法的執(zhí)行的過程中，每一次遞歸都要牽涉到AFP-Tree的構建與釋放，在這一過程中要頻繁地申請與釋放內存，造成程序效率的下降。為了解決這一問題，本文