基于三角矩陣和差集的垂直數(shù)據(jù)格式挖掘頻繁項(xiàng)集的挖掘算法
大?。?/span>0.47 MB 人氣： 2017-11-20 需要積分：0
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
標(biāo)簽：數(shù)據(jù)格式(8865)挖掘(9404)
針對(duì)現(xiàn)有的基于垂直格式挖掘頻繁項(xiàng)集采用正交的方式兩兩進(jìn)行比較耗費(fèi)大量時(shí)間和產(chǎn)生的Tid集可能很大浪費(fèi)存儲(chǔ)空間的問題，提出了一種基于三角矩陣和差集的垂直數(shù)據(jù)格式挖掘頻繁項(xiàng)集的挖掘算法。該算法利用差集解決了對(duì)稠密數(shù)據(jù)集進(jìn)行頻繁項(xiàng)集挖掘時(shí)的Tid集可能很大的問題，并且利用一種前提方法判斷是否有必要連接產(chǎn)生候選頻繁K+1項(xiàng)集，減少時(shí)間的開銷，而且在存儲(chǔ)上用三角矩陣的數(shù)據(jù)結(jié)構(gòu)可以進(jìn)一步節(jié)省存儲(chǔ)空間。實(shí)驗(yàn)結(jié)果表明，本算法大大減少挖掘頻繁項(xiàng)集時(shí)間和空間內(nèi)存的開銷。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于三角矩陣和差集的垂直數(shù)據(jù)格式挖掘頻繁項(xiàng)集的挖掘算法下載
相關(guān)電子資料下載
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- 易華錄無錫數(shù)據(jù)湖與清華大學(xué)蘇州汽車研究院（吳江）合作挖掘智能駕駛數(shù)據(jù)新 334
- 羅德施瓦茨矢量網(wǎng)絡(luò)分析儀怎么讀取Trace 199
- Hailo助力挖掘生成式人工智能與新興邊緣應(yīng)用潛能 117
- 觸摸數(shù)字化未來形態(tài)，挖掘企業(yè)持續(xù)性發(fā)展的數(shù)智秘訣 153
- 廣立微DE-YMS助力靈動(dòng)微電子挖掘MCU車規(guī)級(jí)芯片良率數(shù)據(jù)價(jià)值 629
- 挖掘未來：私有LTE/5G網(wǎng)絡(luò)驅(qū)動(dòng)智慧礦山的自動(dòng)化 241
- 探底又出發(fā)挖掘新數(shù)據(jù)-速銳得適配東風(fēng)新能源BMS電池CAN協(xié)議DBC矩陣 317
- 牽引機(jī)和挖掘機(jī)裝配流水線自動(dòng)互鎖防呆系統(tǒng)無線通訊應(yīng)用 185
- 挖掘機(jī)生產(chǎn)裝配線無線通訊應(yīng)用 208