PFPonCanTree_一种基于MapReduce的并行频繁模式增量挖掘算法.pdf

一数据挖掘的目的 数据挖掘 (Data Mining) 阶段首先要确定挖掘的任务或目的数据挖掘的目 的就是得出隐藏在数据中的有价值的信息 数据挖掘是一门涉及面很广的交叉学 科包括器学习数理统计神经网络

C++实现apriori算法的频繁模式挖掘，代码可直接运行

通过对DTW算法的研究，提出了一种并行分段裁剪的新方法，在减少DTW算法运算量方面有显著效果，并将其用于一个地名识别系统中，经测试，可以明显缩短识别时间，具有很强的实时性，有较高的识别率，适合作为小型

针对以往文献为克服基于差别矩阵的属性约简算法存储代价高的不足而提出的基于浓缩树(C-Tree) 的高 效属性约简算法仅考虑决策表不变的情况, 提出了一种基于C-Tree 的属性约简增量式更新算法, 主

针对实际应用中数据的批量到达, 以及系统的存储压力和学习效率低等问题, 提出一种基于信念修正思想的SVR 增量学习算法. 首先从历史样本信息中提取信念集, 根据信念集和新增数据的特点选择相应的信念集建

提出一种基于特征点运动分解和散乱灰度数据插值的网格图象变形算法，以改进传统的两步扫描网格变形法在扫描顺序和变形效果上的不足。将原始图象的象素坐标一次性映射至目标图象，再对映射后得到的散乱坐标点的灰度进

一种基于Apriori的微博推荐并行算法

跨物种的生物序列比较已经被广泛应用于基因功能预测,而越来越多的实验表明序列相似性并不足以保证基因功能相似.为了精确确定基因功能,不仅需要考虑序列性质,还需探索基因表达信息的特性,因为基因表达的改变往往

针对DBSCAN算法需用户设置参数值、易产生挖掘结果偏差等不足，提出改进算法DBTC(density-basedtextclustering)，该算法不仅能够发现任意形状的簇，还有效地解决了基于密度的

分析了目前降载技术的不足，提出了一种面向挖掘流数据频繁项集的降载策略。该策略采用了基于元组出现频率的语义删除策略，优先删除出现频率相对较低的元组，从而有效解决了在挖掘流数据中的频繁项所遇到系统超载时出