java实现Apriori算法，原始数据集存储在dataset.txt文件中

10.1 关联规则基本概念 10.2 关联规则算法原理 10.3 分层搜索经典算法-Apriori算法 10.4 并行挖掘算法 10.5 增量更新挖掘算法 10.6 多层关联规则挖掘 10.7 多维关联规则挖掘 10.8 约束性关联规则挖掘 10.9 数量关联规则挖掘 10.10 负关联规则挖掘算法 10.11 加权关联规则挖掘算法 10.12 应用实例分析 10.13 小结

Apriori算法java实现，解释也很详细

基于Apriori、FP-Growth及Eclat算法的频繁模式挖掘源程序 一、DataMiningApriori程序 用eclipse打开，把三个测试数据mushroom、accidents和T10I4D100K放置 在F:\DataMiningSample\FPmining文件夹下面，即可运行 二、FP-growth程序 1、包括程序源文件和编译生成的可执行原件 2、程序运行方法 把FP_Growth.exe可执行文件与三个测试数据mushroom、accidents 和T10I4D100K放置在同一个文件夹下面，双击FP_Growth.exe，即可 顺序挖掘mushroom、accidents和T10I4D100K事物数据集中的频繁 模式，阈值设定见testfpgrowth.cpp文件中的main函数 三、Eclat程序直接用eclipse打开执行 四、输出的频繁模式及支持度文件示例给出了部分输出文件，由于全部输出文件太大，所有没有全部给出，可以由执行程序得出。另外附带详解PPT

用python实现的Apriori算法和测试用的数据，可以直接将压缩包里面的apriori.py文件放到python安装文件夹lib中，进行调用。

Hadoop课程实验和报告——Apriori算法并行实现

经典的关联规则数据挖掘算法Apriori 算法广泛应用于各种领域，通过对数据的关联性进行了分析和挖掘，挖掘出的这些信息在决策制定过程中具有重要的参考价值。

采用读取Access数据库中的事务数据进行挖掘，能够选择使用Apriori或AprioriTid。数据量100000以上则需要注意最小支持度设置。

Apriori算法的c#实现，比较简短，两个文件，500多行。测试文件在Data文件夹下，其中数据是程序中的GenerateTestFile函数随机生成的。

用MATLAB软件实现关联规则中频繁项集挖掘算法Apriori 调试可用 附带测试数据集 程序完整