模式增长相关论文
如何在海量数据集中提高频繁项集的挖掘效率是目前研究的热点.随着数据量的不断增长,使用传统算法产生频繁项集的计算代价依然很高......
数据库的规模急剧膨胀，数据库应用的不断深化，但是数据库管理系统却没有提供有效的工具和方法来利用这些数据，出现了数据丰富而知识贫......
本文首先提出了一种带有时间间隔约束的序列模式挖掘算法。此算法在PrefixSpan算法的基础上，对第一层投影数据库的构造方法进行了......
该文从挂篮荷载计算、施工流程、支座及临时固结施工、挂篮安装及试验、合拢段施工、模板制作安装、钢筋安装、混凝土的浇筑及养生......
提出用模式增长方法在带标记有序树构成的森林中挖掘嵌入式频繁子树.算法利用最右路径扩展方法构造完整的模式增长空间,然后根据待......
高效用序列模式挖掘是数据挖掘领域的一项重要内容,在生物信息学、消费行为分析等方面具有重要的应用.与传统基于频繁项模式挖掘方......
大数据环境下高效用项集挖掘算法中过多的候选项集极大地降低了算法的时空效率,为此提出了一种减少候选项集的数据流高效用项集挖......
针对传统挖掘算法会输出大规模频繁子树且其中包含较多冗余信息,使事物表达不够清晰完整,降低后续操作效率的问题,提出基于模式增......
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......
针对分布式环境下的序列模式挖掘问题,提出了一种分布式序列模式挖掘(DSPM)算法。DSPM以PrefixSpan算法为基础,使用抽样检测技术平......
现有的基于滑动窗口挖掘高效用项集的研究方法存在:候选项集通常数量巨大，需要大量的存储空间及计算候选项集的真实效用是非常耗时......
为了更好地分析购物篮数据，挖掘出潜在客户，序列模式挖掘应运而生。序列模式挖掘是数据挖掘一个重要研究内容，近年来在很多领域得到广......
FP-growth算法是当前一种高效的频繁模式挖掘算法,分析了FP-growth算法的性能消耗,引入了条件频度基的数据结构用于存储构建条件FP......
无线传感器网络中节点密集，分布范围广，长期监测使得信息量巨大，如何从大量的感知数据中提取或“挖掘”有用的知识，就成为无线传感器网......
提出了一种基于模式增长的频繁模式挖掘算法(简称为PGMiner算法).这种算法是一种深度挖掘的算法,不产生任选项集,便于发现较长的模......
数据流上的频繁项集挖掘是数据挖掘的一个重要话题,并在现实生活中应用广泛。可是这个问题存在两个限制：（1）项在数据流中的权重没有被......
目前的主要序列模式挖掘算法可以分为3类：①基于Apriori的候选码生成一测试的方法；②基于垂直格式的候选码生成-测试的方法；③基于模......
目前,数据挖掘及其应用已经渗透到多个学科,并在人工智能与机器学习、数据库、模式识别、生物信息学、神经计算等领域取得了丰硕的......
针对基于模式增长原理的嵌入式子树挖掘算法——TreeGrowth（TG）算法挖掘子树过犬与内存消耗大缺点，在分区挖掘思想的基础上，提出了一种......
随着互联网、物联网、云计算等信息技术的迅猛发展,信息技术与政治、经济、军事、科研、生活等领域的传统应用不断融合,催生了超越......
为提高不确定数据频繁模式（FP）挖掘算法的时空效率,提出了基于最大概率的不确定频繁模式挖掘（UFPM-MP）算法。首先,利用事务项集中的最......
