检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于FP-tree的极大超团模式挖掘算法

计算机工程与应用 2011年第12期47卷 106-109页

作者：马丽生姚光顺杨传健滁州学院计算机科学与技术系安徽滁州239000

超团模式挖掘是数据挖掘领域新的研究内容之一,极大超团模式挖掘是超团模式挖掘的扩展,在分析已有算法的基础上,提出了一种新的挖掘极大超团模式的算法。新算法在保持已有算法中有效剪枝策的基础上,针对基于FP-tree挖掘极大超团模式的特... 详细信息

超团模式挖掘是数据挖掘领域新的研究内容之一,极大超团模式挖掘是超团模式挖掘的扩展,在分析已有算法的基础上,提出了一种新的挖掘极大超团模式的算法。新算法在保持已有算法中有效剪枝策的基础上,针对基于FP-tree挖掘极大超团模式的特点,算法中增加了新的剪枝策略,并引入了极大超团模式树,用于保存极大超团模式和进行极大超团模式检测,实验表明新算法的正确性和有效性。

关键词：数据挖掘频繁模式树超团模式极大超团模式

在线全文

学校读者我要写书评

暂无评论

基于事务拆分的超团挖掘算法

计算机工程 2009年第20期35卷 62-65页

作者：卓鹏肖波蔺志青北京邮电大学电信工程学院北京100876

为发现处在低支持度下的潜在有趣模式,针对传统基于支持度策略的模式发现算法存在的问题,提出一种基于改进Relim算法的超团模式挖掘算法,将一个事务拆分为2个或多个事务,把相同事务进行压缩,并用Relim算法的思想进行超团模式挖掘。仿真... 详细信息

为发现处在低支持度下的潜在有趣模式,针对传统基于支持度策略的模式发现算法存在的问题,提出一种基于改进Relim算法的超团模式挖掘算法,将一个事务拆分为2个或多个事务,把相同事务进行压缩,并用Relim算法的思想进行超团模式挖掘。仿真实验结果表明,该算法能有效提高超团模式的挖掘效率。

关键词：数据挖掘关联规则超团模式事务拆分 Relim算法

在线全文

学校读者我要写书评

暂无评论

关联规则与超团挖掘算法研究

关联规则与超团挖掘算法研究

作者：卓鹏北京邮电大学

学位级别：硕士

数据挖掘技术是近年来数据库和人工智能等领域研究的热点课题,它引起了科学界和产业界的广泛关注。数据挖掘的主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识。关联规则最初来源于对超市购物篮的分... 详细信息

数据挖掘技术是近年来数据库和人工智能等领域研究的热点课题,它引起了科学界和产业界的广泛关注。数据挖掘的主要目的是从数据集合中发现隐含的、事先未知的、对决策有潜在价值的用户感兴趣的知识。关联规则最初来源于对超市购物篮的分析,主要用于发现数据集中项与项之间的相关联系,是数据挖掘最先研究的问题之一,也是数据挖掘的一个热点研究方向。关联规则可以广泛地应用于各个领域,既可以检验行业内长期形成的知识模式,也能够发现隐藏的新规律。如何有效地发现、理解并运用关联规则,是数据挖掘任务中的一个重要研究方面。本文在数据挖掘研究和关联规则挖掘研究的背景下,展开了对关联规则挖掘算法的研究工作。首先分析讨论了数据挖掘技术的产生与发展现状、数据挖掘的基本过程、数据挖掘的主要任务;接着介绍了关联规则挖掘的基本概念、关联规则挖掘的算法研究现状、关联规则挖掘工作的扩展和应用,数据集的水平和垂直分布,分析了经典关联规则挖掘方法Apriori算法及另一个易于实现的Relim算法。本文接着重点讨论了h-置信度度量及其产生的超团模式,论述了交叉支持的概念及其相关的扩展问题。在此基础上提出超团挖掘中可以应用事务拆分的方法对事务集进行预处理,并探讨了事务拆分的方法及其正确性的证明。通过进一步的分析,证明在基于兴趣度度量的关联规则挖掘中,如果度量具备交叉支持性质,则都可以应用事务拆分的方式对数据集做预处理。本文提出了基于Relim算法的超团挖掘算法HRelim和极大超团挖掘算法MHRelim。以超团挖掘算法为基础,通过实验,探讨了事务拆分及事务压缩对HRelim算法带来的效率提高。通过实验,说明MHRelim算法在稀疏数据集上具有良好的挖掘性能。通过在算法Apriori,Relim,FP-growth上做的大量实验,得到算法在数据集的项不同排序方式下的效率差异结果,由此猜测在关联规则挖掘算法中,如果频繁项集的获取顺序是这样的,即总是先产生含有支持度最低的项的频繁集,并且由此使得每个频繁项产生的频繁项集数量均较为接近,则算法速度最快,称之为均衡法则。均衡法则在算法的效率改进和新算法的寻找上具有很好的指导意义。

关键词：数据挖掘关联规则超团模式事务拆分交叉支持均衡法则

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于整体相似度的文档主题匹配研究

网络安全技术与应用 2018年第3期 44-46页

作者：魏小锐东莞理工学院计算机与网络安全学院广东523808

基于内容的网络信息过滤需要动态地比较网页与用户模板。传统文档主题匹配算法主要以两两文档间的相似度为基础来计算,这在高维的文档向量空间并不总是合适。超团模式是一种附加了整体相似度约束的频繁项集,其内部文档更有可能属于同一... 详细信息

基于内容的网络信息过滤需要动态地比较网页与用户模板。传统文档主题匹配算法主要以两两文档间的相似度为基础来计算,这在高维的文档向量空间并不总是合适。超团模式是一种附加了整体相似度约束的频繁项集,其内部文档更有可能属于同一类别。利用超团模式这种特性,提出了基于整体相似度的文档主题匹配方法,只利用同一个超团内部的文档来预测类别。该方法通过在现实世界数据集上与K-最近邻算法进行比较,实验结果证实了超团算法应用于文档主题匹配的优越性。

关键词：文本挖掘文档匹配整体相似度超团模式