MAXFP M iner: 利用FP tree 快速挖掘最大频繁项集

网络流数据频繁项集挖掘是网络流量分析的重要基础。提出一种新颖的基于字典顺序前缀树LOP-Tree的频繁项集挖掘算法STFWFI，该算法采用更符合网络流特点的滑动时间衰减窗口模型，有效降低了挖掘频繁项集

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

基于Iceberg概念格叠置半集成的全局闭频繁项集挖掘算法

讲的是一个基于排序FP一树的频繁模式高效挖掘算法，对于学习数据挖掘的同学会有点帮助哦

挖掘最大频繁项目集是多种数据挖掘应用中的关键问题。FP-growth算法是目前最有效的频繁模式挖掘算法之一，其在挖掘最大项目集时要递归生成大量的条件FP-树，存在时空效率不高的问题。于是结合改进的FP

频繁项集挖掘是关联规则挖掘的核心内容，提出了一种挖掘最大频繁项集的并行算法CDTR。它对CD (counting distribution)算法进行了改进，根据一种新的分布式共享内存环境下面向视图并行

数据挖掘技术是解决数据丰富而知识贫乏的有效途径,当属信息科学领域的前沿研究课题之一,有关的研究和应用极大提高了决策支持的能力,它已被公认为是数据 库研究中一个极富应用前景的领域。本文描述了数据挖掘的概

利用C语言开发的fp树，可以进行简单的数据挖掘

用c#实现了数据挖掘中的fp-tree算法

Apriori算法分析频繁项集的支持度，通过读取excel文件获取数据，并将运算结果保存到另一个excel文件里