繁闭项集的挖掘是发现数据项之间关联规则的一种有效方式．当前以MapReduce模式为基础的云计算 平台为解决海量数据中的关联规则挖掘问题提供新的解决思路．文中提出并实现一种基于I-ladoop云计算平台的频 繁闭项集的并行挖掘算法．该算法主要包括并行计数、构造全局频繁项表、并行挖掘局部频繁闭项集和并行筛选全局 频繁闭项集四个步骤．在多个数据集上的实验表明，该方法能较大提高数据挖掘的效率，具有较好的加速比．

挖掘频繁闭项集（CFI）在许多实际应用中起着重要的作用。传统的数据挖掘算法中常用FP增长算法和Apriori算法来挖掘频繁项集。然而，内存需求和计算成本成为CFI挖掘算法的瓶颈，尤其是在从大型数据集中挖掘频繁闭项集时，是一个重要和具有挑战性的问题。针对上述问题，提出一种基于云计算的MapReduce框架的并行AFOPT-close算法，使MapReduce可广泛地用于处理大型数据。此外，用于检查频繁项集是否为完全闭的有效并行算法也要求MapReduce平台进一步完善其性能。

频繁闭项集的挖掘是发现数据项之间关联规则的一种有效方式.当前以MapReduce模式为基础的云计算平台为解决海量数据中的关联规则挖掘问题提供新的解决思路.文中提出并实现一种基于Hadoop云计算平台的频繁闭项集的并行挖掘算法.该算法主要包括并行计数、构造全局频繁项表、并行挖掘局部频繁闭项集和并行筛选全局频繁闭项集四个步骤.在多个数据集上的实验表明,该方法能较大提高数据挖掘的效率,具有较好的加速比.