版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著信息技術的飛速發(fā)展,數(shù)據(jù)庫應用的不斷深化,數(shù)據(jù)挖掘已成為當今研究的熱點。在數(shù)據(jù)挖掘的各個分支中,關聯(lián)規(guī)則挖掘和分類挖掘是兩個高度活躍的領域,其應用范圍也非常廣泛。關聯(lián)規(guī)則和分類規(guī)則之間具有相似性。關聯(lián)規(guī)則具有因果特性,關聯(lián)規(guī)則的前件可以表示條件,關聯(lián)規(guī)則的后件可以表示某種結果,當這種結果是類別時,關聯(lián)規(guī)則就具有分類規(guī)則的特性,因此關聯(lián)規(guī)則挖掘可與分類挖掘技術相結合。基于關聯(lián)規(guī)則的分類方法就是這種結合的新產物。但傳統(tǒng)的關聯(lián)分類方法都是
2、基于一般頻繁項的,這類方法往往產生大量的類關聯(lián)規(guī)則,且存在大量冗余的規(guī)則,不利于分類器建立和使用。對此,本文提出了一種新的關聯(lián)分類法ACCF—基于頻繁閉項集的關聯(lián)分類算法。
本文首先闡述了關聯(lián)規(guī)則和分類挖掘的相關理論和算法;其次介紹了傳統(tǒng)的關聯(lián)分類算法CBA和CMAR;接著介紹了頻繁閉項集的概念,及高效挖掘頻繁閉項集的CHARM算法;最后詳細論述了本文提出的新算法ACCF。
ACCF算法基于頻繁閉項集,這是因
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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
- 頻繁閉項集挖掘算法研究.pdf
- 基于位運算的閉頻繁項集挖掘算法的研究.pdf
- 不確定頻繁閉項集挖掘算法研究.pdf
- 頻繁閉項集并行挖掘算法的研究與實現(xiàn).pdf
- 數(shù)據(jù)流頻繁閉項集挖掘算法研究.pdf
- 基于閉頻繁項集的Web日志挖掘.pdf
- 頻繁閉項集的挖掘算法及內容分析.pdf
- 最大頻繁項集和頻繁基項集挖掘算法研究.pdf
- 分布式環(huán)境下的閉頻繁項集挖掘算法研究.pdf
- 基于數(shù)據(jù)流的Top-K頻繁閉項集挖掘算法研究.pdf
- 基于矩陣的頻繁項集挖掘算法研究.pdf
- 基于待與項集的頻繁項集挖掘算法的研究.pdf
- 挖掘頻繁閉項集并構建其格的快速算法研究.pdf
- 基于頻繁模式樹的最大頻繁項集挖掘算法研究.pdf
- 基于負頻繁項集的負關聯(lián)規(guī)則挖掘研究.pdf
- 基于抽樣的云頻繁項集挖掘算法研究.pdf
- 基于MapReduce框架的頻繁項集挖掘算法研究.pdf
- 基于垂直格式的頻繁項集挖掘算法研究.pdf
- 面向數(shù)據(jù)流的ToP-k頻繁閉項集挖掘算法研究.pdf
- 基于格的快速頻繁項集挖掘算法
評論
0/150
提交評論