频繁子图挖掘算法gaston

MFWSR:数据流上的频繁闭项集挖掘算法，陶克，王意洁，数据流上频繁项集挖掘是数据挖掘有效手段之一相联规则挖掘的重要基础。频繁闭项集挖掘的结果更简洁而又能保留所有频繁项集的结果

Fp-Growth算法通过构造一个树结构来压缩数据记录,使得挖掘频繁项集只需要扫描两次数据记录,而且该算法不需要生成候选集合,所以效率会比较高。

基于频繁项集筛选策略的关联规则挖掘算法，佘名高，陈礼军，在FP增长算法(FP-growth)和划分(Partition)算法的基础上提出了一种基于频繁项集筛选策略的关联规则挖掘的改进算法。提高了FP-

为了提高挖掘的效率和精度，采用代数定义最大频繁项集并建立其数学模型，通过二进制编码将支持度的计算、蚁群算法和遗传算法求解有机地融合，从而提出一种求解该数学模型的遗传蚁群算法。实验表明，该算法挖掘最大频

数据挖掘 移动计算的数据挖掘算法 同时再大数据上的应用

针对大数据中的频繁项集挖掘问题，提出一种基于Spark框架的FP-Growth频繁项集并行挖掘算法。首先，根据垂直布局思想将数据按照事务标志符垂直排列，以此解决扫描整个数据集的缺陷。然后，通过FP-G

在基于粗集理论的知识获取研究中，属性约简是最核心的工作之一。结合分治法的思想，从论域划分的角度将一个大的决策表分解成两个子决策表，并利用经典的属性约简算法计算两个子决策表的约简，在此基础上利用合并约简

针对几何谱减算法在处理快速变化的语音时产生语音畸变的缺点，提出一种基于最小均方误差算法估计每帧语音信号的每一个频率分量上的平滑系数，产生自适应帧频率分量平滑系数代替固定值的平滑系数来估计先验信噪比，从

分析了New-Apriori和MWFI（Mining Weighted Frequent Itemsets）算法之不足，提出了一种挖掘加权频繁项集的New-MWFI算法。该算法按属性的权值对事务进行分

前端开源库-gaston-blessifyGaston Blessify，Gaston的Blessify插件