基于MapReduce的频繁项集挖掘方法.pdf

针对目前大数据快速增加的环境下，海量数据的频繁项集挖掘在实际中所面临的增量更新问题，在频繁项超度量树算法（frequent items ultrametric trees，FIUT）的基础上，引入Ma

基于关联规则的数据频繁集挖掘算法效率分析，杨舒琴，徐国爱，随着数据库、数据仓库的发展，人们的生产生活被越来越多的数据所包围，同时也催生了数据挖掘技术的出现与发展，人们可以借此从海

首先用形式化方法给出了网络实体、网络连接件和网络体系结构框架模型的定义，然后利用进程代数理论定义了网络体系结构上的网络实体运算，进而建立了网络体系结构的代数模型，为进一步研究网络体系结构打下了坚实的理

以词间空格作为自然分隔符,非常容易获取维吾尔文中的词,但又很难获取结构完整的语义词,因此多种文本处理效果总是很不理想。提出维吾尔文组词的新概念,将数据挖掘中的频繁模式挖掘方法引入到维吾尔文组词中,再结

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

适合学习频繁模式挖掘的初学者，指导你学习如何挖掘大数据的相关性

该程序实现用数据挖掘的方法得到图像集中特征点的频繁相集，然后进行各个图像的特征匹配

针对UF-tree中项集存在的数据和路径冗余的问题，设计了有序的压缩不确定树SCUF-tree，在节点中存储元素的不同支持度，达到压缩存储空间和方便移植已有的确定数据最大频繁项集算法的目的。结合最大频

一种用于数据流频繁项集挖掘的并行算法，王延，邱雪松，频繁项集挖掘是数据挖掘的重要课题,基于数据流的频繁项集是其中的重要组成部分。本文通过分析数据流的特点,基于分块和滑动窗口的�