APRIORI算法中频繁项集的挖掘

刘根生 67 0 TXT 2019-05-31 21:05:44

APRIORI算法中使用链表来实现对频繁项集的数据挖掘，在生成k项集时使用FK-1*FK-1的算法，在生成K-项集时直接删除支持度不满足最小阈值的项。

推荐下载

对于大型数据,频繁项集挖掘显得庞大而冗余,挖掘最大频繁项集可以减少挖出的频繁项集的个数。可是对于不确定性数据流,传统判断项集是否频繁的方法已不能准确表达项集的频繁性,而且目前还没有在不确定数据流上挖掘

为解决P2P网络频繁项集挖掘中存在的全体频繁项集数量过多和网络通信开销较大这两个问题,提出了一种在P2P网络中挖掘最大频繁项集的算法P2PMaxSet。首先,该算法只挖掘最大频繁项集,减少了结果的数量

有生成的界面,基于C#编写的代码,包含关联规则的生成和频繁集的挖掘

数据挖掘中apriori算法的实现,visualstudio2010实现的c++版,其中封装了apriori类,实现整个操作~

. PAGE 0 . . . 实验报告实验课程名称数据挖掘实验项目名称 Apriori算法理学院实验时间 2014 年 11 月 11 日 . 学生所在学院理学院专业统计学班

欢迎下载欢迎下载 G I 1 Z H ) u UNIVERSITY 实验报告实验课程名称数据挖掘实验项目名称 Apriori 算法实验时间: 理学院 2014年 11月11 日姓名学

数据挖掘关联规则之Apriori算法实验报告数据挖掘

挖掘关联规则算法apriori算法,简单易懂

数据挖掘经典算法Apriori,用于挖掘数据集合中的关联规则

频繁项集挖掘是关联规则挖掘的重要步骤。在数据动态变化的环境下进行关联规则挖掘具有重要的现实意义。提出一种动态频繁项集挖掘算法,该算法建立在前一阶段挖掘的基础上,能避免过多地扫描数据库而影响挖掘性能,在

用户评论

请输入评论内容

评分：

暂无评论