频繁模式增长算法相关论文
通过分析数据关联的特点和已有的关联规则挖掘算法,在定量描述的准确性和算法高效性方面作了进一步研究,提出了更准确的支持度和置......
对重要邮箱发现进行研究，提出一种基于关联分析的重要邮箱发现方法。该方法首先利用经过项集修正的频繁模式增长（FP—Growth）算法，发现......
在FP-growth算法中，为了产生条件FP树，必须扫描FP树两次。提出一种新颖的FP阵列技术，将FP-tree数据结构与FP阵列有效地结合起来，直接从......
提出了一种快速基于约束的医疗图像关联分类算法(CBCPFPgrowth算法).算法利用扩展项集表征约束,通过加入最大支持度和项出现位置的......
频繁模式挖掘可以发现数据中频繁出现的模式，是关联规则挖掘的重要步骤。并行频繁模式算法将其应用到并行环境中，以对海量数据进行挖......
关联规则是一种重要的数据挖掘技术.结合电力行业的特殊性,将关联规则应用于对电力市场营销分析中.采取K-Means聚类技术实现对历史......
针对频繁模式增长算法无法适应数据流的无限性和流动性的特点，提出一种新颖的FP—tree的变形结构——FPS—tree，只需单遍扫描便能获......
针对频繁模式增长算法无法适应数据流的无限性和流动性的特点,提出一种新颖的FP-tree的变形结构-SP-tree,只需单遍扫描便能容纳全......
近几年我国煤炭安全生产形势有所好转,但特大事故仍然危害严重,不容小觑。2016年5月国家安全生产监督管理总局表示要推动煤矿信息......
为提高作战决策的合理性,从电子对抗目标之间、电子对抗目标与其它武器系统和作战行动之间普遍存在的关联关系出发,针对关联关系的......
为克服Apriori算法候选频繁项集的支持数计算效率过低和频繁模式增长算法FP-Growth多次建立条件模式树时内存耗费大的问题,提出基......
针对如何健康合理搭配食材的问题,以权威健康养生书籍作为依据,通过分析食物、营养素与疾病之间的关系,完成一款基于Android的智能......
为了进一步提高在Spark平台上的频繁模式增长(FP-Growth)算法执行效率,提出一种新的基于Spark的并行FP-Growth算法——BFPG。首先,......
