針對最大頻繁項(xiàng)目集挖掘算法（ DMFIA）當(dāng)候選項(xiàng)目集維數(shù)高而最大頻繁項(xiàng)目集維數(shù)較低的情況下要產(chǎn)生大量的候選項(xiàng)目集的缺點(diǎn)，提出了一種改進(jìn)的基于頻繁模式樹（ FP-tree）結(jié)構(gòu)的最大頻繁項(xiàng)目集挖掘算法-FP-MFIA。該算法根據(jù)FP-tree的項(xiàng)目頭表，采用自底向上的搜索策略逐層挖掘最大頻繁項(xiàng)目集，從而加速每次對候選集計(jì)數(shù)的操作。在挖掘時(shí)根據(jù)每層的條件模式基產(chǎn)生維數(shù)較低的非頻繁項(xiàng)目集，盡早對候選項(xiàng)目集進(jìn)行剪枝和降維，可大量減少候選項(xiàng)目集的數(shù)量。同時(shí)在挖掘時(shí)充分利用最大頻繁項(xiàng)集的性質(zhì)，減少搜索空間。通過算法在不同支持度下挖掘時(shí)間的對比可知，算法FP-MFIA在最小支持度較低的情況下時(shí)間效率是DMFIA以及基于降維的最大頻繁模式挖掘算法（ BDRFI）的2倍以上，說明FP-MFIA在候選集維數(shù)較高的時(shí)候優(yōu)勢明顯。