

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,數(shù)據(jù)挖掘領(lǐng)域受到了越來(lái)越多的關(guān)注。關(guān)聯(lián)規(guī)則一直是該領(lǐng)域的研究熱點(diǎn),主要是為了發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)以及有趣的模式。挖掘最大頻繁項(xiàng)目集作為關(guān)聯(lián)規(guī)則的一個(gè)重要的研究?jī)?nèi)容,它不僅已經(jīng)涵蓋了所有的頻繁項(xiàng)目集,而且某些數(shù)據(jù)挖掘應(yīng)用僅需挖掘最大頻繁項(xiàng)目集,因此挖掘最大頻繁項(xiàng)目集意義重大。本文從三方面對(duì)最大頻繁項(xiàng)目集挖掘算法進(jìn)行研究,分別是對(duì)候選項(xiàng)目集降維的研究,超集檢測(cè)方法的研究以及增量式更新算法的研究。
首先,為了
2、解決算法DMFIA(Discover Maximum Frequent Itemsets Algorithm)中初始候選項(xiàng)目集維數(shù)較高且挖掘較短最大頻繁項(xiàng)目集效率低下的問(wèn)題,提出了一種改進(jìn)的基于頻繁模式樹(shù)FP-Tree(Frequent Pattern Tree)的最大頻繁項(xiàng)目集挖掘算法FP-EMFIA(Algorithm for Efficiently Mining Maximum Frequent Itemsets Based on
3、 FP-Tree)。該算法采用自上而下和自下而上的雙向搜索策略,并對(duì)條件模式基中項(xiàng)目的計(jì)數(shù)特點(diǎn)進(jìn)行了分析,將一定包含或一定不包含在最大頻繁項(xiàng)目集中的項(xiàng)目進(jìn)行過(guò)濾,從而降低候選項(xiàng)目集的初始值維數(shù)。并利用挖掘出的較短的非頻繁項(xiàng)目集對(duì)候選項(xiàng)目集進(jìn)行剪枝,從而提高算法的效率。
其次,為了解決最大頻繁項(xiàng)目集挖掘算法中超集檢測(cè)次數(shù)過(guò)多的問(wèn)題,提出了一種基于索引鏈表的超集檢測(cè)算法IL-SC(Superset Checking Algorit
4、hm Based on Index List)。該算法采用索引鏈表的存儲(chǔ)結(jié)構(gòu),使得最大頻繁項(xiàng)目集的存儲(chǔ)變得有序化,減少不必要的超集檢測(cè)操作,從而提高超集檢測(cè)的效率。
最后,在FP-EMFIA的基礎(chǔ)上,提出了一種增量式更新算法FP-EUMFIA(Update Maximum Frequent Itemsets Algorithm Based on FP-EMFIA),以便高效利用之前挖掘出的結(jié)果。這樣,能夠大幅度降低初始候選項(xiàng)目
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于頻繁模式樹(shù)的最大頻繁項(xiàng)集挖掘算法研究.pdf
- 基于FP-樹(shù)的最大頻繁模式挖掘算法研究.pdf
- 基于約簡(jiǎn)頻繁模式樹(shù)的頻繁模式挖掘及查詢算法研究.pdf
- 最大頻繁項(xiàng)集和頻繁基項(xiàng)集挖掘算法研究.pdf
- 最大頻繁項(xiàng)集挖掘算法的研究.pdf
- 基于約束的最大頻繁項(xiàng)目集挖掘算法與實(shí)現(xiàn).pdf
- 基于FP-tree最大頻繁模式超集挖掘算法.pdf
- 基于最大頻繁項(xiàng)目集的數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則算法研究.pdf
- 基于單向FP-樹(shù)的最大頻繁項(xiàng)集挖掘.pdf
- 頻繁項(xiàng)目集挖掘算法研究.pdf
- 基于改進(jìn)FP-樹(shù)的最大頻繁項(xiàng)目集研究.pdf
- 基于序列模式的頻繁自由樹(shù)挖掘算法研究.pdf
- 基于FP-Tree的最大頻繁項(xiàng)集挖掘算法研究.pdf
- 約束頻繁項(xiàng)目集挖掘算法研究.pdf
- 基于項(xiàng)目鄰接表與事務(wù)樹(shù)的頻繁項(xiàng)集挖掘算法.pdf
- 最大頻繁項(xiàng)集挖掘算法及應(yīng)用研究.pdf
- 分布式最大頻繁模式挖掘算法的研究.pdf
- 最大頻繁子圖挖掘算法研究.pdf
- 數(shù)據(jù)流最大頻繁項(xiàng)集挖掘算法的研究.pdf
- 基于頻繁模式樹(shù)的XML數(shù)據(jù)挖掘.pdf
評(píng)論
0/150
提交評(píng)論