PDF下载 分享
[1]李宝林,周 坤,李仕伟.一种基于M-Bisearch的最大频繁项集挖掘算法研究[J].成都信息工程大学学报,2016,(05):463-468.
 LI Bao-lin,ZHOU Kun,LI Shi-wei.Research on Mining Algorithm of Maximal Frequent Itemsets based on M-blsearch[J].Journal of Chengdu University of Information Technology,2016,(05):463-468.
点击复制

一种基于M-Bisearch的最大频繁项集挖掘算法研究

参考文献/References:

[1] 吴喜萍. 基于关联规则数据挖掘技术的高校学生学习成绩分析[D].成都:西南交通大学,2010.
[2] Agrawal R, Srikant S. Fast Algorithms for Mining Association Rules [C].VLDB'94. Santiago, Chile,1994:487-499.
[3] Park J S, Chen M, Yu P S. An Effective Hash-Based Algorithm for Mining Association Rules [C].SIGMOD'95. Sanjose, CA,1995: 175-186.
[4] Savasere A,omieeinski E, Navathe S. An efficient algorithm for mining association rules in large databases[C]. Proceedings of the 21st International Conference on Very large Database, 1995.
[5] Brin S,Motwani R,Ullman J,et al.Dynamic Itemset Counting and Implication Rules for Market Basket Data[C].Proc.of 1997 ACMSIGMOD Int'1 Conf. on Management of Data.ACM Press,1997:255-264.
[6] Charu C.Aggarwal,towards long pattern generation in dense databases[J].ACM SIGKDD Explorations Newsletter,2001,3(1).
[7] 黄建明,赵文静,王星星.基于十字链表的Apriori改进算法[J].计算机工程,2009,(2):37-38.
[8] 刘华婷,郭仁祥,姜浩.关联规则挖Apriori算法的研究改进[J]. 计算机应用与软件,2009,26(1):146- 148.
[9] 栗晓聪,滕少华.频繁项集挖掘的Apriori改进算法研究[J].江西师范大学学报:自然科学版,2011,35 (5):498-501.
[10] 刘玉文.基于十字链表的Apriori算法的研究与改进[J].计算机应用与软件,2012,29(5):267-369.
[11] 郑麟.一种直接生成频繁项集的分治Apriori算法[J]. 计算机应用与软件, 2014,(4):297-301.
[12] 陈方健,张明新,杨昆.一种具有跳跃式前进的Apriori算法[J].计算机应用与软件,2015,(3):34-36,92.
[13] 宋余庆,朱玉全,孙志挥,等.一种基于频繁模式树的约束最大频繁项目集挖掘及其更新算法[J]计算机研 究与发展,2005,42(5):777-783.
[14] 颜跃进,李舟军,陈火旺.基于FP-Tree有效挖掘最大频繁项集[J]. 软件学报,2005,(2):215-222.
[15] 林佳雄,黄战.基于数组向量的Apriori算法改进[J].计算机应用与软件,2011,28(5):268-271.
[16] 付沙,宋丹.基于矩阵的Apriori改进算法研究[J].微电子学与计算机,2012,29(5):156-160.
[17] 刘红星,王崇骏,谢俊元. 基于图的最大频繁项集的生成算法[J]. 南京大学学报:自然科学版,2008,44 (5):520-526.
[18] 陈向华,刘可昂. 基于FP-Tree的最大频繁项目集挖掘算法[J]. 软件,2015,12:98-102.
[19] 杨鹏坤,彭慧,周晓锋,等.改进的基于频繁模式树的最大频繁项集挖掘算法——FP-MFIA[J]. 计算机应 用,2015,(3):775-778.

相似文献/References:

[1]黄冠英,郑皎凌.基于变长隐马尔科夫模型的维基词条编辑微过程挖掘[J].成都信息工程大学学报,2018,(01):34.[doi:10.16836/j.cnki.jcuit.2018.01.007]
 HUANG Guan-ying,ZHENG Jiao-ling.Wikipedia Entries Editing Micro-process Mining based onVariable Length Hidden Markov Model[J].Journal of Chengdu University of Information Technology,2018,(05):34.[doi:10.16836/j.cnki.jcuit.2018.01.007]
[2]赵锦阳,卢会国,蒋娟萍,等.基于改进决策树的故障诊断方法研究[J].成都信息工程大学学报,2018,(06):624.[doi:10.16836/j.cnki.jcuit.2018.06.005]
 ZHAO Jin-yang,LU Hui-guo,JIANG Juan-ping,et al.Research on Fault Diagnosis Method based on Improved Decision Tree[J].Journal of Chengdu University of Information Technology,2018,(05):624.[doi:10.16836/j.cnki.jcuit.2018.06.005]
[3]吴东华,常 征,何 嘉.基于用户行为序列模式的性别分析与预测[J].成都信息工程大学学报,2016,(增刊1):7.
[4]杨 頔,文成玉.结合关联规则的情感分析模型研究[J].成都信息工程大学学报,2019,(05):501.[doi:10.16836/j.cnki.jcuit.2019.05.011]
 YANG Di,WEN Chengyu.Research on Emotional Analysis Model based on Association Rules[J].Journal of Chengdu University of Information Technology,2019,(05):501.[doi:10.16836/j.cnki.jcuit.2019.05.011]
[5]唐雨奇,李则辰,杨东东,等.基于机器学习的面部运动神经传导检查数据的研究及应用[J].成都信息工程大学学报,2020,35(05):519.[doi:10.16836/j.cnki.jcuit.2020.05.007]
 TANG Yuqi,LI Zechen,YANG Dongdong,et al.Research and Application of Facial Motor Nerve Conduction Examination Data based on Machine Learning[J].Journal of Chengdu University of Information Technology,2020,35(05):519.[doi:10.16836/j.cnki.jcuit.2020.05.007]
[6]毛开银,赵长名,何 嘉.基于XGBoost的10 m风速订正研究[J].成都信息工程大学学报,2020,35(06):604.[doi:10.16836/j.cnki.jcuit.2020.06.004]
 MAO Kaiyin,ZHAO Changming,HE Jia.A Research for 10 m Wind Speed Prediction based on XGBoost[J].Journal of Chengdu University of Information Technology,2020,35(05):604.[doi:10.16836/j.cnki.jcuit.2020.06.004]

备注/Memo

收稿日期:2016-09-13 基金项目:四川省科技厅支撑资助项目(2013SZ0056)

更新日期/Last Update: 2016-04-30