一种有效的挖掘数据流近似频繁项算法

关联规则是数据挖掘的主要技术之一,它是描述数据库中一组数据项之间的某种潜在关系的规则。关联规则挖掘算法——Apriori算法,主要过程是对频繁项集的挖掘,而在对频繁项集的挖掘中首先要生成候选频繁项集,

针对套用传统的聚类方法对数据流的聚类是行不通的这一问题,提出一种以遗传模拟退火算法为基础的模糊C均值聚类算法(SAGA_FCM)对数据流进行聚类。SAGA_FCM算法有效地避免了传统的模糊C均值聚类算

ASIFT比SIFT算法更加有效和稳定的算法。采用仿射变化对模板图像进行多次变化，效果比SIFT好了许多

数据挖掘频繁项集是数据挖掘中的重要内容 效率是关键

针对目前时态关联规则研究中存在的挖掘效率不高、规则可解释性低、未考虑项集时间关联关系等问题,在原有相关研究的基础上,提出一种新的基于频繁项集树的时态关联规则挖掘算法.通过对时间序列数据进行降维离散化处

通过对关联规则挖掘技术及经典算法Apriori和FP-growth的研究和分析，提出了一种改进的频繁项集挖掘算法。该算法利用矩阵存储数据，并结合矩阵运算求项集的支持数，有效减少了事务数据库的扫描次数；

针对不确定数据流上的聚类问题提出一种不确定数据流子空间聚类算法UDSSC。该算法使用滑动窗口机制接收新到达的数据，剔除陈旧的数据；还引入子空间簇生成策略和新型离群点机制；系统建立了三个缓冲区分别存储新

数据流文献（中英文均有）20多篇，数据挖掘的电子课本，数据挖掘的10大经典算法（pdf）

主要介绍了ASP.Net Post方式获取数据流的一种简单写法,本文直接给出代码实例,需要的朋友可以参考下

在各种基于PCM30/32路一次群系统、能够接入公共电话通信网的专用汇接调度设备中,目前广泛采用的设计方式为利用MCU控制多种专用集成电路(ASIC)协同工作,完成对语音调度数据的接收、叠加、分组交换