参考博客：http://blog.csdn.net/Bone_ACE/article/details/46669699
该项目是FP-growth算法的实现，该算法用于快速的寻找关联规则和频繁项集，只需要扫描两次数据库，设计很精妙。 其中算法的伪代码给出如下：
一、FP-Tree构造算法
输入：事务数据集 D，最小支持度阈值 min_sup
输出：FP-Tree
(1) 扫描事务数据集 D 一次，获得频繁项的集合 F 和其中每个频繁项的支持度。对 F 中的所有频繁项按其支持度进行降序排序，结果为频繁项表 L ;
(2) 创建一个 FP-Tree 的根节点 T，标记为“null”;
(3) for 事务数据集 D 中每个事务 Trans do
(4) 对 Trans 中的所有频繁项按照 L 中的次序排序;
(5) 对排序后的频繁项表以 [p|P] 格式表示，其中 p 是第一个元素，而 P 是频繁项表中除去 p 后剩余元素组成的项表;
(6) 调用函数 insert_tree( [p|P], T );
(7) end for
insert_tree( [p|P], root)
(1) if root 有孩子节点 N and N.item-name=p.item-name then
(2) N.count++;
(3) Else
(4) 创建新节点 N;
(5) N.item-name=p.item-name;
(6) N.count++;
(7) p.parent=root;
(8) 将 N.node-link 指向树中与它同项目名的节点;
(9) end if
(10) if P 非空 then
(11) 把 P 的第一项目赋值给 p，并把它从 P 中删除;
(12) 递归调用 insert_tree( [p|P], N);
(13) end if
二、FP-Growth(FP-Tree, α);
输入：已经构造好的 FP-Tree，项集 α（初值为空），最小支持度 min_sup;
输出：事务数据集 D 中的频繁项集 L;
(1) L 初值为空
(2) if Tree 只包含单个路径 P then
(3) for 路径 P 中节点的每个组合（记为 β） do
(4) 产生项目集 α∪β，其支持度 support 等于 β 中节点的最小支持度数;
(5) return L = L ∪ 支持度数大于 min_sup 的项目集 β∪α
(6) else //包含多个路径
(7) for Tree 的头表中的每个频繁项 αf do
(8) 产生一个项目集 β = αf∪α，其支持度等于 αf 的支持度;
(9) 构造 β 的条件模式基 B，并根据该条件模式基 B 构造 β 的条件 FP- 树 Treeβ;
(10) if Treeβ≠Φ then
(11) 递归调用 FP-Growth(Treeβ, β);
(12) end if
(13) end for
(14) end if