關(guān)聯(lián)規(guī)則算法研究及其在中醫(yī)藥數(shù)據(jù)挖掘中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩61頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、數(shù)據(jù)挖掘可以發(fā)現(xiàn)蘊藏在海量數(shù)據(jù)中的潛在知識,是當(dāng)今最活躍的研究應(yīng)用領(lǐng)域。關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘中的一個主要研究分支,側(cè)重于尋找數(shù)據(jù)之間的依賴關(guān)系。關(guān)聯(lián)規(guī)則挖掘的核心問題是如何提高挖掘算法的效率,以及如何更好的應(yīng)用于特定領(lǐng)域中。 中國傳統(tǒng)醫(yī)學(xué)是我國優(yōu)秀的民族文化遺產(chǎn),中醫(yī)理論在長期的醫(yī)療實踐中積累了大量數(shù)據(jù)信息,挖掘出其中蘊含的寶貴經(jīng)驗,是一項極有價值的研究工作。 本文重點是對關(guān)聯(lián)規(guī)則挖掘算法的研究,基于直接頻繁閉超集改進(jìn)算法

2、的設(shè)計以及在中醫(yī)藥數(shù)據(jù)挖掘領(lǐng)域中的應(yīng)用。論文研究的主要問題及相關(guān)成果如下: 在算法研究方面,本文研究了頻繁項集和頻繁閉項集的挖掘算法。頻繁項集的算法研究中,分析并實現(xiàn)了關(guān)聯(lián)規(guī)則頻繁項集挖掘的算法--Apriori算法和FP-growth算法。針對頻繁項集挖掘效率低且數(shù)量大的問題,研究了頻繁閉項集的挖掘算法,并引入直接頻繁閉超集的概念,在CHARM算法的基礎(chǔ)上,設(shè)計了一種能夠快速檢測候選頻繁閉項集閉合性的改進(jìn)算法--CIABD算法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論