一种基于概率的加权关联规则挖掘算法

来源 :计算机应用 | 被引量 : 0次 | 上传用户:danNyZ
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对关联规则数据挖掘在实际应用中出现的问题:不能挖掘小概率事件中的关联规则, 提出了基于概率分布的加权关联规则挖掘算法。该算法同时改进了加权支持度计算方法,保持 Apriori算法的频繁集向下封闭的特性,并在实践中得到了有效的应用。
其他文献
H.264中常用的码率控制算法都采用简单但不符合人眼视觉特性的平均绝对值差值(MAD)作为衡量编码失真的主要依据。采用基于模糊积分的图像失真度量代替MAD,提出一种基于宏块条的自适应码率控制算法。实验结果表明,所提出的方法无论是在CBR还是VBR下,码率控制都相当准确,并且能获得较高的峰值信噪比(PSNR)和主观视觉质量。
提出一种流级的多径负载平衡模型。该模型考虑到实际网络中的背景业务,将每个LSP模拟为M/G/1处理器共享队列,通过成本函数最小化原则,实现多径负载均衡。根据对模型的分析,提出一种应用于MPLS网络中的稳定的负载平衡机制。核心LSR并不参与执行流量工程,根据测量到的延迟按流实现负载分配。仿真结果证明该算法是有效的,能够在多径之间平衡地分配流量,吞吐率得到很大提高,网络资源得到有效利用。