论文研究基于事务映射区间求交的高效频繁模式挖掘算法.pdf

在分析规则知识条件和结论所在等价类包含关系基础上，提出了一个新的属性相对重要性的定义，并给出一种以决策类为基础的逐渐增加条件属性直接获取最简分类规则方法，同时用实例进行了验证。

基于WEB日志的用法模式挖掘，张啸剑，，WEB是最浩大的数据库，对数据挖掘有极大的挑战性，其中包含海量的WEB数据。基于WEB数据挖掘主要包括三种类型：WEB内容挖掘，WEB结构挖

在频繁邻近类别集挖掘中，由于用户指定约束条件的动态变化，现有挖掘算法因多次重复扫描空间事务而存在冗余计算，故提出一种频繁邻近类别集的动态约束挖掘算法，其能根据用户发出的动态约束指令，提取满足用户需求的

目前已提出了许多快速的关联规则挖掘算法,实际上用户只关心部分关联规则,如他们仅想知 道包含指定项目的规则1 当这些约束被用于数据预处理或将它结合到数据挖掘算法中去时,可以显著 减少算法的执行时间1 为

随着当今信息技术的高速发展，人们日常生产生活中产生的数据量呈现出爆 发式增长。因此，对于海量数据集的处理已成为数据挖掘技术的主要挑战。而如 何能以高性价比的方式挖掘到有价值的信息是目前数据挖掘研究的新

虽然已有的最大频繁项集挖掘算法在结构和技术上已经做了很多改进，但还是存在挖掘速度慢、效率低的缺点，在此提出了图的四叉链表存储结构和基于该存储结构的最大频繁项集挖掘算法，该结构具有一次生成多次使用，不必

为提高不确定数据集上频繁模式挖掘的效率，针对已有算法在判断是否需要为头表中的某项创建子头表时的计算量比较大的问题，给出一个近似挖掘策略AAT-Mine，以损失小部分频繁项集为代价，提高整个算法的挖掘效

一种快速的约束最大频繁项目集挖掘算法研究，杨君锐，徐龙，发现约束最大频繁项目集是多种数据挖掘应用中的关键问题，目前已有许多算法可用于发现约束频繁项目集，而对约束最大频繁项目集的

针对环境约束的不确定轨迹数据的频繁路径问题，设计了一种适应于严格时间约束条件下基于环境约束的位置不确定的移动概率序列挖掘算法（UETFP-PrefixSpan）。算法通过设置类标号把不同环境下的不确定

高效用模式的挖掘需要设定一个合适的阈值，而阈值设定对用户来说并非易事，阈值过小导致产生大量低效用模式，阈值过大可能导致无高效用模式生成。因而Top-k高效用模式挖掘方法被提出，k指效用值前k大的模式。