|
1.
基于Spark的并行FP-Growth算法优化及实现
顾军华, 武君艳, 许馨匀, 谢志坚, 张素琪
计算机应用
2018, 38 (11):
3069-3074.
DOI: 10.11772/j.issn.1001-9081.2018041219
为了进一步提高在Spark平台上的频繁模式增长(FP-Growth)算法执行效率,提出一种新的基于Spark的并行FP-Growth算法——BFPG。首先,从频繁模式树(FP-Tree)规模大小和分区计算量对F-List分组策略进行改进,保证每个分区负载总和近似相等;然后,通过创建列表P-List对数据集划分策略进行优化,减少遍历次数,降低时间复杂度。实验结果表明,BFPG算法提高了并行FP-Growth算法挖掘效率,且算法具有良好的扩展性。
参考文献 |
相关文章 |
多维度评价
|
|