2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、近年來,隨著信息技術的不斷發(fā)展,人們積累的信息量不斷增加,傳統(tǒng)的統(tǒng)計方法已經不能滿足人們從大規(guī)模數(shù)據(jù)存儲中獲取知識的迫切需求。作為數(shù)據(jù)挖掘領域中的一個非常重要的研究課題,關聯(lián)規(guī)則反映了一個事物與其他事物之間的相互依賴性或者相關性,它既可以檢驗行業(yè)內長期形成的知識模式,也能夠發(fā)現(xiàn)隱藏的新規(guī)律。因此如何有效地挖掘關聯(lián)規(guī)則具有重要的理論價值和現(xiàn)實意義。
   本文重點針對數(shù)據(jù)本身對關聯(lián)規(guī)則挖掘的影響進行了研究,并取得了一定的成果。

2、r>   首先針對Apriori算法的不足,提出了改進方案。Apriori算法是關聯(lián)規(guī)則挖掘中的經典算法,當最小支持度閾值較小時,Apriori算法將產生大量候選項集,對這些候選項集進行支持度計數(shù)將耗費大量時間。本文針對這個問題,提出項事務和項縮減操作的概念,并在此基礎上提出一種基于項縮減的Apriori算法-Aprion-IR。該算法通過對事務進行完全項縮減操作,能夠有效減少候選項集個數(shù)并減少候選項集支持度計數(shù)時間,從而提高了Apr

3、iori算法的效率。本文不僅從理論上分析了Apriori-IR算法能夠減少連接和剪枝次數(shù)降低支持度計數(shù)時間,還通過在不同濃密性和模式長度的數(shù)據(jù)集上進行實驗,表明了Apriori-IR算法的有效性。
   為了進一步研究項縮減操作對關聯(lián)規(guī)則挖掘算法的影響,本文對經過完全項縮減操作處理的數(shù)據(jù)利用FP-growth算法進行挖掘,提出了FP-GIR算法。同樣本文不但從理論上分析了FP-GIR算法能夠降低FP-growth算法的空間消耗,

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。

評論

0/150

提交評論