已閱讀1頁，還剩71頁未讀， 繼續(xù)免費閱讀
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、關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一個非常重要的研究分支，難點在于其挖掘對象是海量數(shù)據(jù)。Apriori算法需要對數(shù)據(jù)庫進行多次掃描，在真正的海量數(shù)據(jù)庫挖掘中難以實用；FP-Growth算法相對于Apriori算法在效率上提高了一個數(shù)量級，但內存消耗大，在海量級數(shù)據(jù)庫實現(xiàn)上也存在困難。當前國內外研究關聯(lián)規(guī)則的文獻很多，大多數(shù)集中在對上述兩個算法的改進上。
本文研究如何由已知的事務數(shù)據(jù)庫求出其相應的頻繁項集和如何對由最大頻繁項集生成的關
2、聯(lián)規(guī)則進行有效性檢驗。本文針對頻繁項集挖掘分類提出了基于TD處理事務數(shù)據(jù)表的頻繁項集挖掘算法，分別用于產(chǎn)生完全頻繁項集、頻繁閉項集和最大頻繁項集。算法在整個挖掘過程中，只需要掃描一次事務數(shù)據(jù)庫。在由最大頻繁項集生成關聯(lián)規(guī)則的時候，可能會產(chǎn)生大量的冗余規(guī)則，這使得用戶分析和利用這些規(guī)則變得十分困難。本文對已有的多種關聯(lián)規(guī)則刪剪技術進行了研究，發(fā)現(xiàn)了它們存在的問題，提出把約束性作為一種新的刪剪技術。將基于TD處理事務數(shù)據(jù)表的頻繁項集挖掘算法
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
- 事務間關聯(lián)規(guī)則挖掘技術研究.pdf
- 數(shù)據(jù)挖掘中的關聯(lián)規(guī)則技術研究.pdf
- 基于關聯(lián)規(guī)則的圖像挖掘技術研究.pdf
- 基于遺傳算法的關聯(lián)規(guī)則數(shù)據(jù)挖掘技術研究.pdf
- 關聯(lián)規(guī)則及相關數(shù)據(jù)挖掘技術研究.pdf
- 關聯(lián)規(guī)則挖掘技術研究.pdf
- 基于關聯(lián)規(guī)則數(shù)據(jù)挖掘的研究.pdf
- 數(shù)據(jù)挖掘技術中的關聯(lián)規(guī)則挖掘算法研究.pdf
- 關聯(lián)規(guī)則及其元規(guī)則挖掘技術研究.pdf
- 基于關聯(lián)規(guī)則數(shù)據(jù)挖掘算法的研究.pdf
- 基于關聯(lián)規(guī)則挖掘的入侵檢測技術研究.pdf
- 基于關聯(lián)規(guī)則挖掘算法的相關技術研究.pdf
- 數(shù)據(jù)挖掘技術與關聯(lián)規(guī)則挖掘算法研究.pdf
- 關聯(lián)規(guī)則數(shù)據(jù)挖掘的研究.pdf
- 基于云計算及關聯(lián)規(guī)則挖掘技術的氣象數(shù)據(jù)挖掘研究.pdf
- 事務間關聯(lián)規(guī)則的有效挖掘.pdf
- 基于關聯(lián)規(guī)則數(shù)據(jù)挖掘的研究與應用.pdf
- 基于關聯(lián)規(guī)則的數(shù)據(jù)挖掘研究及應用.pdf
- 基于數(shù)據(jù)倉庫的關聯(lián)規(guī)則挖掘研究.pdf
- 基于關聯(lián)規(guī)則挖掘的隱私保護技術研究與實現(xiàn).pdf
評論
0/150
提交評論