非频繁项集相关论文
关联规则的研究是数据挖掘的重要内容之一,现有的关联规则挖掘算法大都是在频繁项集的基础上进行挖掘,关于非频繁项集的研究较少,......
近年来,在多维关联规则中,主要是研究关联规则的正规则问题。对于多维负关联规则的研究相对较少。这种情况存在下,多维负关联规则......
关联规则挖掘是数据挖掘领域中一个重要的研究方向,揭示数据集中不同领域或属性间的有价值联系,具有重要的理论价值和广泛的应用前......
通过对Apriori算法的分析，Apriori算法存在以下两点不足：由K_频繁集生成K+1_候选频繁集时，需要不断重复检索；连接程序中重复项比较多，大......
Apriori算法是挖掘关联规则的一个经典算法，通过分析、研究该算法的基本思想，并利用项集的有序特性对其进行改进，减少了生成的候选集......
在关联规则数据挖掘中,为了克服Apriori算法性能瓶颈,本文介绍一种改进的算法：基于散列表（Hash）的方法。......
关联规则是当前数据挖掘研究最重要的分支之一，目前的关联规则多是在频繁项集的基础上进行挖掘，而没有挖掘非频繁项集的算法。本文在......
当同时研究正、负关联规则时会遇到一些新问题,如非频繁项集的挖掘及如何避免产生自相矛盾的规则等.该文对这些问题进行了深入的研......
在研究负关联规则相关特性的基础上,将向量内积引入到该领域,提出了一种基于向量内积的多最小支持度正负关联规则挖掘算法。考虑到......
现代医保数据管理系统已经逐渐成为综合医疗体系系统的重要组成部分,医保数据管理系统已经得到广泛的应用,每天都有包含海量信息的......
在关联规则数据挖掘中，根据非频繁项的超集仍是非频繁项的结论，总结出一种高效的关联规则算法：剔除非频繁项超集法，并与经典的Apriori......
讨论负关联规则的更新问题。与正关联规则增量更新不同，负关联规则不仅存在于频繁项集中，更多存在于非频繁项集中。针对该问题提出一......
本文在Apriori算法的基础上进行改进,利用多重最小支持度解决了物流中心选址中非频繁项目的挖掘;同时提出权重法对Apriori算法优化......
针对最大频繁项目集挖掘算法(DMFIA)当候选项目集维数高而最大频繁项目集维数较低的情况下要产生大量的候选项目集的缺点,提出了一......
通过对Apriori算法的思想和性能的分析,认为Apriori算法存在以下三点不足:(1)由K阶频繁集生成K+1阶候选频繁集时,在K+1阶候选频繁......
