摘要：两阶段抽样算法从海量数据集中抽取样本数据用于数据挖掘，当数据集规模过大时算法效率偏低，当数据集规模过大且为稀疏数据集时抽样精度偏低。本文改进了传统两阶段抽样算法，提出新的抽样算法EAFAST，可自适应地调节算法参数，而且能充分利用历史信息进行启发式搜索。实验证明，EAFAST算法可同时提高算法效率和抽样精度，弥补了传统算法的不足。

关键词：抽样 两阶段 频繁项目集 剪枝 精度 

单位：华中科技大学计算机科学与技术学院; 湖北武汉430074