暂无评论
针对目前大数据快速增加的环境下，海量数据的频繁项集挖掘在实际中所面临的增量更新问题，在频繁项超度量树算法（frequent items ultrametric trees，FIUT）的基础上，引入Ma
首先用形式化方法给出了网络实体、网络连接件和网络体系结构框架模型的定义，然后利用进程代数理论定义了网络体系结构上的网络实体运算，进而建立了网络体系结构的代数模型，为进一步研究网络体系结构打下了坚实的理
针对当前算法从加权项事务数据库挖掘频繁加权项集（FWI）时效率不高的问题，提出了一种基于加权项集-Tidset树结构的FWI快速挖掘算法。首先，提出了一种加权项集-Tidset树结构；然后，使用最小加
基于关联规则的数据频繁集挖掘算法效率分析，杨舒琴，徐国爱，随着数据库、数据仓库的发展，人们的生产生活被越来越多的数据所包围，同时也催生了数据挖掘技术的出现与发展，人们可以借此从海
频繁序列挖掘算法，基于最大频繁序列模式的聚类算法及其在基因拼接中的应用。。该文章提出并实现一种基于频繁序列的新词挖掘算法，能够正确提取出中文文本中的新词，从而及时更新维护词库，使文本分类更为准确。
对于大型数据，频繁项集挖掘显得庞大而冗余，挖掘最大频繁项集可以减少挖出的频繁项集的个数。可是对于不确定性数据流，传统判断项集是否频繁的方法已不能准确表达项集的频繁性，而且目前还没有在不确定数据流上挖掘
为解决P2P网络频繁项集挖掘中存在的全体频繁项集数量过多和网络通信开销较大这两个问题，提出了一种在P2P网络中挖掘最大频繁项集的算法P2PMaxSet。首先，该算法只挖掘最大频繁项集，减少了结果的数量
FP-EMFIA:改进的基于FP-Tree的高效挖掘最大频繁项目集算法
煤炭系统中,往往希望分析不同煤炭产品购买之间的关联规则,并通过一定的关联性推荐煤炭商品,有助于购买者购买并取得更高的销售量。发掘频繁项目集是关联规则中经常用到的关键技术。随着煤炭系统数据库中信息的增多
基于粗糙集属性约简以及概念格的关联规则挖掘分析，word文档，适合概念格和粗糙集的初学者使用
暂无评论