基于ESCS剪枝策略的闭频繁项集挖掘算法

由于在现有的闭频繁项集挖掘算法中，剪枝策略相对单一，大都是针对1-项集进行剪枝，对2-项集和n-项集(n≥3)的剪枝策略相对匮乏，而有效的剪枝策略可以提前发现并剪掉大量没有希望的项集，因此改进闭频繁项集的剪枝策略对此类算法效率的提升具有很大的帮助。为此在ESCS(Estimated Support Co-occurrence Structure)结构基础上，提出针对2-项集的ESCS剪枝策略，并应用其将经典闭频繁项集挖掘算法DCI＿Closed(Direct Count Intersect Closed)改进为DCI＿ESCS(Direct Count Intersect Estimated Support Co-occurrence Structure)算法，同时对ESCS剪枝策略的效果加以验证。在多个公开数据集上、不同最小支持度阈值下，对改进前后算法时间性能进行比较实验。实验结果表明，改进的DCI＿ESCS算法在事务和项集较长的、较稠密的数据集上表现良好，时间效率均有一定程度的提高。