已閱讀1頁,還剩50頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、關聯(lián)規(guī)則的發(fā)現(xiàn)首先要挖掘出所有的頻繁項目集,而后由頻繁項目集產生強關聯(lián)規(guī)則.其中,算法Apriori是目前已經提出的一個較為有效的方法.Apriori算法采用迭代技術,首先計算出頻繁1-項目集L<,1>,而后由頻繁k-項目集L<,k>計算出頻繁(k+1)-項目集L<,k+1>.由L<,k>計算L<,k+1>采用產生-測試的方法:產生出候選項目集的集合C<,k+1>,對其中的候選項目集進行剪枝,而后計算每個候選項目集的支持度,確定頻繁項目
2、集.整個算法的時間花費主要由產生和測試這兩部分組成.在Apriori算法的基礎上,該文首次提出一種基于分治方法的關聯(lián)規(guī)則挖掘算法DCM.DCM按照某種策略,把L<,k>分割成不相交的三個子集:L<,k><'1>,L<,k><'2>,L<,k><'3>.這樣,大部分候選項目集的生成可以分別在這三個子集上進行,從而避免一些子集之間的連接;同時大部分的剪枝也可以分別局限在每個子集上單獨進行檢索,避免在整個L<,k>搜索而耗費時間.為達到這個目
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 軟集在關聯(lián)規(guī)則挖掘中的應用.pdf
- 關聯(lián)規(guī)則挖掘在電信經營中的應用.pdf
- 關聯(lián)規(guī)則數(shù)據(jù)挖掘在CRM中的應用.pdf
- 關聯(lián)規(guī)則挖掘在高校招生錄取中的應用.pdf
- 模糊關聯(lián)規(guī)則挖掘在入侵檢測中的應用.pdf
- 關聯(lián)規(guī)則挖掘及其在入侵檢測中的應用.pdf
- 關聯(lián)規(guī)則挖掘在圖書館管理中的應用.pdf
- 模糊預測模型在動態(tài)關聯(lián)規(guī)則挖掘中的應用.pdf
- 本體在XML關聯(lián)規(guī)則挖掘中的應用研究.pdf
- 關聯(lián)規(guī)則挖掘算法研究及其在CRM中的應用.pdf
- 關聯(lián)規(guī)則挖掘及其在基因表達數(shù)據(jù)中的應用.pdf
- 關聯(lián)規(guī)則挖掘算法在web日志挖掘中的應用研究.pdf
- 關聯(lián)規(guī)則挖掘的改進算法在入侵檢測中的應用.pdf
- 關聯(lián)規(guī)則的挖掘及其在商業(yè)決策中的應用分析.pdf
- 關聯(lián)規(guī)則挖掘技術在股票趨勢預測中的應用.pdf
- 關聯(lián)規(guī)則挖掘在股票預測中的應用研究.pdf
- 模糊關聯(lián)規(guī)則挖掘及在工業(yè)數(shù)據(jù)中的應用.pdf
- 關聯(lián)規(guī)則挖掘在盲文軟件中的應用研究.pdf
- 粗糙集理論在關聯(lián)規(guī)則挖掘中的應用.pdf
- 關聯(lián)規(guī)則挖掘在潮州電信寬帶業(yè)務中的應用.pdf
評論
0/150
提交評論