候选项集相关论文
随着互联网、传感器等技术的发展,社会的信息化不断被推进,全球数据的生产速度也在飞快增长。众所周知,移动通信数据是承载着通信......
本课题通过对关联规则挖掘及其经典Apriori算法的深入研究，针对类Apriori算法的效率瓶颈，提出了一个高效的关联规则挖掘算法，即EARM(E......
随着IT技术、电子商务及互联网的迅速普及，使得在各个领域中存储了大量的数据信息，这些数据集中包含了很多有用知识，因此如何从大量的......
为适应信息处理的新需求,数据挖掘作为一种新的信息分析技术已经在当前的数据仓库环境中进入了实用阶段。数据挖掘,也称为数据库中......
电子商务系统中商品推荐技术可以帮助电子商务网站有效地提高商品的销量,对电子商务发展有重要作用。本文分析了商品推荐的流程,结......
数据挖掘技术是当前机器学习、人工智能、计算机科学和数据库研究方向的重要课题,它从已有的数据中分析、提炼和挖掘出先前未知的......
关联规则挖掘其主要研究目的是从大型数据集中发现隐藏的、有趣的、属性间存在的规律与数据间的联系.关联规则挖掘算法主要目的是......
关联规则挖掘的核心是寻找频繁项集，其有两个技术瓶颈：（1）容易生成大量无效候选项集；（2）需要多次扫描数据库．基于二维数组和十字链表的Apri......
关联规则挖掘过程中,大量候选项集的产生成为影响挖掘效率提高的一个主要因素。针对这一问题,提出了一种基于树结构的关联规则挖掘......
针对Apriori算法扫描数据库的I/O代价和候选项集数目较多等问题,提出一种基于矩阵的强关联规则生成算法。该算法通过将事务数据库......
关联规则挖掘是发现大量数据中项集之间有趣的关联或相关联系的技术方法，关联规则挖掘Apriori算法需要多次扫描数据库，时空复杂度过......
关联规则挖掘算法Apriori算法在挖掘频繁模式时需要产生大量的候选项集，多次扫描数据库，时空复杂度过高。针对该算法的局限性，提出了......
本文针对企业设备监测的管理需求,基于Apriori算法,提出了一种压缩候选项集和减少系统I/O开销的改进算法.通过原型系统的性能测试......
本文通过对关联规则挖掘中由候选项集生成频繁项集算法的分析,引入了格论的一些思想来改进算法,其中心思想是:通过在属性集和事务......
本文充分利用了Eclat算法的概念格理论和等价类划分方法,将约束条件融入基于垂直数据分布的关联规则挖掘算法中.提出了一种新的反......
挖掘频繁模式是许多数据挖掘任务的关键步骤.基于FP-Tree的挖掘算法由于无须生成候选项集效率明显高于Apriori 类算法,但FP-Tree结......
本文提出了一种基于划分技术对Apriori算法改进后的算法,它的优点是执行的整个过程只需要访问数据库两次,从而大大减少了访问数据......
针对Apriori算法的不足，提出了一种新的优化算法——IApriori．该算法应用散列技术优化产生频繁．2项集，优化连接操作减少连接判断的次数......
发现最大频繁项目集是数据挖掘应用中的关键问题；提出一种新的基于事务集迭代的求最大频繁项集算法，该算法在每次迭代时，通过对输入事......
本文利用频繁项集的一个性质,对Apriori算法中的生成候选项集这一步进行改进,大大减少不必要的计算,从而加快候选项集生成的速度.......
Apriori算法是关联规则的经典算法。从两个方面对其进行了改进,首先是在产生候选项集时采用了新的算法,更快地产生候选项集;其次,......
介绍了关联规则的数据挖掘,对布尔关联规则中的经典算法--Apriori算法进行了分析和评价,指出了基本Apriori算法的不足,并提出具有......
提出了一个基于分布式结构的快速有效的关联规则挖掘算法,它采用了分布式结构,各节点并行计算,与相关算法相比有效地减少了通信量......
为了解决Apriori算法中生成候选二项集不能剪枝、多次扫描数据库中对计算支持度不产生作用的项等缺点,提出了使用矩阵直接生成频繁......
Apriori算法是一种经典的基于关联规则的数据挖掘算法，在研究Apriori算法及其现有改进方法的基础上，提出了一种全新的从高维向低维扫......
【正】一、什么是数据挖掘数据挖掘,就是从大量的数据中挖掘出有用的信息,即从大量的、不完全的、有噪声的、模糊的、随机的实际应......
该文研究了关联规则更新的第一类问题，即数据库记录增加时的关联规则更新问题，首先，该文讨论了现有的FUP算法的基本思想，然后在此基础......
通过对Apriori算法的核心思想进行研究分析，结合Apriori性质，对Apriori中连接的步骤进行了改进。通过该方法，可以有效地减少连接步产......
在关联规则理论的基础上，通过对现有算法的效率分析，在原有A研ori关联规则挖掘算法的基础上，从减少事务数据库中扫描记录量入手，提出一......
文中提出一种基于事务非空子集的Apriori改进算法:通过逐个扫描事务,通过事务的非空子集与前一事务产生的候选项集,集合运算产生当......
讨论了一个关于布尔关联规则挖掘的不产生候选项集的挖掘算法，做了一些提高算法性能的改进，并对其性能进行了测试。......
在分析基于位向量和无向图Apriori的基础上,提出一种改进的关联规则算法VGApriori。该算法将事务数据库的多次扫描和支持度计算转......
针对Apriori算法产生候选项集的问题,提出一种基于排序索引矩阵（SIM）的频繁项集挖掘算法。将频繁1-项集形成的1-项集向量依次与对应......
分析时态约束关联规则挖掘的TCAR算法,针对其在挖掘频繁时态项集时效率较低的问题,提出一种基于时态约束的关联规则挖掘算法。该算......
现有高效用项集挖掘算法主要采用项集枚举和两阶段方法（或称为候选项集测试方法），后者时空效率的主要瓶颈在于候选项集过多。针对该问......
本文在对国内外研究现状进行分析的基础上,选用了Apriori算法对课程关联关系进行挖掘,且进行了算法改进,同时也采用了U检验思想衡......
发现最大频繁项目集是数据挖掘应用中的关键问题;为寻求避免生成大量的候选项集,或生成频繁模式树的挖掘算法,提出一种从事务项集......
数据挖掘（Data Mining）是数据库最活跃的领域之一。由于其广泛的应用背景和现实的意义，使得数据挖掘的技术和应用获得了突飞猛进的进......
经典的产生频繁项目集的Apriori算法存在多次扫描数据库可能产生大量候选及反复对候选项集和事务进行模式匹配的缺陷,导致了算法的......
随着数据库应用的不断深入,数据库的规模急剧膨胀,人们需要对这些数据进行分析,从中发现有价值的信息。数据挖掘技术的出现实现了......
<正>购买彩票已经成为人们生活当中一种娱乐性投资。因此,如何提高中奖率,必将成为彩民朋友一个很关心的问题。许多彩民朋友在购买......
本文在对关联规则挖掘中Apriori算法的深入研究和分析的基础上,发现并指出了该算法存在的不足,改进了在由K阶频繁项集生成K＋1阶候选......
