

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、頻繁項集挖掘可以廣泛應(yīng)用在關(guān)聯(lián)規(guī)則挖掘、相關(guān)性分析、入侵檢測、序列模式、分類和聚類等多種數(shù)據(jù)挖掘任務(wù)中。迄今為止已經(jīng)提出了許多高效的頻繁項集挖掘算法。本文對大量頻繁項集挖掘算法進行了深入的研究,重點分析了幾種經(jīng)典模式增長算法中事務(wù)數(shù)據(jù)庫在內(nèi)存中的存儲結(jié)構(gòu),以及各種有效的實現(xiàn)技術(shù),并在此基礎(chǔ)之上提出了新的算法。 首先,對關(guān)聯(lián)規(guī)則和頻繁項集挖掘的相關(guān)概念、研究現(xiàn)狀及所面臨的問題進行了分析研究。并對幾種典型的頻繁項集挖掘算法進行了詳盡
2、分析,比較了它們各自的優(yōu)缺點及適用環(huán)境。 其次,對大量已有算法中事務(wù)數(shù)據(jù)庫在內(nèi)存中的存儲結(jié)構(gòu),以及各種有效的實現(xiàn)技術(shù)進行了詳細研究,重點分析了幾種經(jīng)典模式增長算法采用的數(shù)據(jù)結(jié)構(gòu)和挖掘策略。 最后,對三種采用的技術(shù)-FP-Tree、FP-Array以及Bitmap-Count進行了詳盡地探討,并在此基礎(chǔ)上設(shè)計出了一種新的頻繁項集挖掘算法-MS-Miner。 實驗結(jié)果表明MS-Miner算法不僅在算法執(zhí)行性能上更優(yōu),
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- F-Miner:一種新的頻繁項集挖掘算法.pdf
- LR:一種新的頻繁項集挖掘算法.pdf
- 一種高效頻繁項集挖掘算法的研究.pdf
- 一種基于動態(tài)排序的最大頻繁項集挖掘算法.pdf
- 一種新的頻繁子樹挖掘算法研究.pdf
- 一種基于垂直劃分的數(shù)據(jù)流頻繁項集挖掘算法.pdf
- 一種數(shù)據(jù)流頻繁閉合項集挖掘算法的研究.pdf
- 最大頻繁項集和頻繁基項集挖掘算法研究.pdf
- 頻繁閉項集挖掘算法研究.pdf
- 最大頻繁項集挖掘算法的研究.pdf
- 快速頻繁項集挖掘算法研究.pdf
- 基于矩陣的頻繁項集挖掘算法研究.pdf
- 基于格的快速頻繁項集挖掘算法
- 基于待與項集的頻繁項集挖掘算法的研究.pdf
- 頻繁項集挖掘算法的并行化研究.pdf
- 基于頻繁模式樹的最大頻繁項集挖掘算法研究.pdf
- 頻繁項集快速挖掘算法研究及應(yīng)用.pdf
- 頻繁項集快速挖掘算法研究及應(yīng)用
- 基于抽樣的云頻繁項集挖掘算法研究.pdf
- 基于頻繁項集的互補替代關(guān)系挖掘算法.pdf
評論
0/150
提交評論