FP_Growth相关论文
关联规则的发现对于挖掘数据中的隐含信息非常重要,针对关联规则挖掘算法进行研究,分析了利用FP_Growth算法构建FP-tree和递归挖掘......
本文针对传统数据库入侵检测系统检测时对时间和空间要求比较高,设计了一种在进行关联规则挖掘之前,先用聚类分析k-means算法对用......
电子商务的大环境下,人们在电商平台中很难有效地选择出感兴趣的书籍,推荐系统能够解决这一问题.然而将传统的协同过滤算法应用到......
针对在交易数据库中挖掘出指定顾客相关属性的频繁项集这一问题,提出了基于维约束进行求解的构想.采用模式增长的挖掘方法,但与传......
基于FP_growth关联规则,提出一种具有动态加权特性的改进算法.把事务数据库中的项目按其重要程度划分为5个等级; 运用层次分析(AHP......
在数据挖掘中发现关联规则是一个基本问题，而关联规则发现中最昂贵的步骤便是寻找频繁模式。FP_growth（Frequent-Patern growth）方法......
分析消费行为,挖掘消费因素之间关联关系,可以辅助指导生产和销售企业的管理和决策。针对海量消费数据引起的内存不足问题,对数值......
关联规则挖掘是当前数据挖掘研究的主要模式之一，但当支持度阈值较低或数据集中存在大量长模式时，可能产生大量的关联规则，这将给人们......
笔者从城市交通的历史拥堵数据出发，从时间和空间两个角度去寻找城市内道路的拥堵模式．最终得到城市存在的带时间因子的路段拥堵模式......
频繁项目集挖掘用于发现项目之间的关联规则.为了高效求解面向大数据的频繁项目集,本文提出一种新的基于FP_Growth的频繁项目集并......
