已閱讀1頁，還剩46頁未讀， 繼續(xù)免費(fèi)閱讀
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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的重要內(nèi)容，是指挖掘發(fā)現(xiàn)大量數(shù)據(jù)中項(xiàng)目集之間有用的關(guān)聯(lián)或相關(guān)聯(lián)系。挖掘頻繁項(xiàng)目集是關(guān)聯(lián)規(guī)則等多種數(shù)據(jù)挖掘應(yīng)用中的關(guān)鍵問題。然而，在挖掘中候選項(xiàng)目集產(chǎn)生的數(shù)量是很大的，尤其是存在大量強(qiáng)模式和(或)長(zhǎng)模式的時(shí)候。 本文在該課題的研究中提出三種高效挖掘最大頻繁項(xiàng)集的算法：改進(jìn)的Apriori算法、MMFI和MSMCA算法，減少計(jì)算量的開銷。最終研究成果是MSMCA算法，該算法充分利用唯一已知的參數(shù)：最小支持?jǐn)?shù)，進(jìn)行最
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(qǐng)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(qǐng)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(huì)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(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 關(guān)聯(lián)規(guī)則中簡(jiǎn)潔頻繁項(xiàng)集的挖掘方法研究.pdf
- 基于負(fù)頻繁項(xiàng)集的負(fù)關(guān)聯(lián)規(guī)則挖掘研究.pdf
- 關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘頻繁項(xiàng)目集發(fā)現(xiàn)算法的研究.pdf
- 基于最大頻繁項(xiàng)目集的數(shù)據(jù)挖掘關(guān)聯(lián)規(guī)則算法研究.pdf
- 數(shù)據(jù)流頻繁項(xiàng)集挖掘研究.pdf
- 數(shù)據(jù)流中頻繁項(xiàng)集挖掘研究.pdf
- 最大頻繁項(xiàng)集和頻繁基項(xiàng)集挖掘算法研究.pdf
- 數(shù)據(jù)流頻繁項(xiàng)集挖掘系統(tǒng)的研究.pdf
- 數(shù)據(jù)流上的頻繁項(xiàng)集挖掘算法研究.pdf
- 數(shù)據(jù)流頻繁項(xiàng)集挖掘算法的研究.pdf
- 頻繁閉合項(xiàng)集挖掘研究.pdf
- 頻繁項(xiàng)集挖掘問題的研究.pdf
- 非頻繁關(guān)聯(lián)規(guī)則挖掘的研究.pdf
- 多數(shù)據(jù)流頻繁項(xiàng)集挖掘算法研究.pdf
- 數(shù)據(jù)流頻繁閉項(xiàng)集挖掘算法研究.pdf
- 面向數(shù)據(jù)流的頻繁項(xiàng)集挖掘算法研究.pdf
- 基于數(shù)據(jù)流的頻繁項(xiàng)集挖掘算法研究.pdf
- 基于Sketch的數(shù)據(jù)流頻繁項(xiàng)集挖掘研究.pdf
- 數(shù)據(jù)流最大頻繁項(xiàng)集挖掘算法的研究.pdf
- 并行化頻繁項(xiàng)集挖掘及其在數(shù)據(jù)流中的研究.pdf
評(píng)論
0/150
提交評(píng)論