检索结果-维普期刊中文期刊服务平台

一种有效的不确定数据概率频繁项集挖掘算法被引量：8: 1; 作者刘立新张晓琳毛伊敏《计算机应用研究》 CSCD 北大核心 2012年第3期841-843,共3页; 针对PFIM算法中频繁概率计算方法的局限性,且挖掘时需要多次扫描数据库和生成大量候选集的不足,提出EPFIM(efficient probabilistic frequent itemset mining)算法。新提出的频繁概率计算方法能适应数据流等项集的概率发生变化时的情况... 展开更多; 关键词不确定数据可能世界期望支持度概率频繁项集; 在线阅读下载PDF 职称材料

基于有序树的不确定数据最大频繁项挖掘算法被引量：7: 2; 作者刘卫明蒯海龙 +1 位作者陈志刚毛伊敏《计算机工程与应用》 CSCD 北大核心 2015年第24期145-149,共5页; 针对UF-tree中项集存在的数据和路径冗余的问题,设计了有序的压缩不确定树SCUF-tree,在节点中存储元素的不同支持度,达到压缩存储空间和方便移植已有的确定数据最大频繁项集算法的目的。结合最大频繁项集挖掘算法MMFI的设计思想,提出了... 展开更多; 关键词不确定数据的最大频繁项集不确定数据最大频繁项挖掘(UMMFI)算法有序的压缩不确定树(SCUF-tree) 逐层逐个地处理节点(NBN)策略; 在线阅读下载PDF 职称材料

项约束先过滤的最大频繁项集挖掘算法被引量：8: 3; 作者姚全珠李如琼王美君《计算机工程》 CAS CSCD 2012年第4期73-75,共3页; 在稠密型数据库中,现有最大频繁项集挖掘算法效率低、耗时长,挖掘结果模糊,不利于用户使用。为此,提出一种项约束先过滤的最大频繁项集挖掘算法——VCM。利用项包含约束过滤数据库,使用垂直数据表示数据集,采用深度优先的挖掘策略对数... 展开更多; 关键词关联规则最大频繁项集项约束垂直数据格式深度优先稠密数据库; 在线阅读下载PDF 职称材料

基于矩阵的不确定数据频繁项集快速挖掘算法被引量：5: 4; 作者刘芝怡常睿《南京理工大学学报》 EI CAS CSCD 北大核心 2015年第4期420-425,共6页; 针对CUF-growth算法中项集的期望支持度估算值过大,且挖掘过程中需要反复递归构造条件CUF-tree导致挖掘效率降低这一问题,提出UFIM-Matrix(Uncertain frequent itemset mining-matrix)算法。该算法不需要建立树结构,而是利用计算项集估... 展开更多; 关键词不确定数据频繁项集期望支持度快速挖掘; 在线阅读下载PDF 职称材料

一种挖掘不确定数据最大模式的深度优先算法被引量：3: 5; 作者李雨明邱卫东 +1 位作者徐赛赛郭英凯《计算机工程》 CAS CSCD 北大核心 2015年第7期204-209,共6页; 不确定性数据挖掘是数据挖掘领域的研究热点,但其应用于最大频繁项集的算法较少。根据不确定数据挖掘的特点,把挖掘确定性数据最大频繁模式的Gen Max算法扩展到不确定数据中,提出一种U-Gen Max算法。对Tid集进行扩展,在id域的基础上增... 展开更多; 关键词不确定数据频繁项集最大模式垂直格式剪枝策略置信度; 在线阅读下载PDF 职称材料

题名一种有效的不确定数据概率频繁项集挖掘算法被引量：8: 1; 作者刘立新张晓琳毛伊敏; 机构内蒙古科技大学信息工程学院中南大学信息科学与工程学院; 出处《计算机应用研究》 CSCD 北大核心 2012年第3期841-843,共3页; 基金国家自然科学基金资助项目(61163015) 教育部"春晖计划"基金资助项目(Z2009-1-01024); 文摘针对PFIM算法中频繁概率计算方法的局限性,且挖掘时需要多次扫描数据库和生成大量候选集的不足,提出EPFIM(efficient probabilistic frequent itemset mining)算法。新提出的频繁概率计算方法能适应数据流等项集的概率发生变化时的情况;通过不确定数据库存储在概率矩阵中,以及利用项集的有序性和逐步删除无用事物来提高挖掘效率。理论分析和实验结果证明了EPFIM算法的性能更优。; 关键词不确定数据可能世界期望支持度概率频繁项集; Keywords uncertain databases possible word expected support probabilistic frequent itemset; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于有序树的不确定数据最大频繁项挖掘算法被引量：7: 2; 作者刘卫明蒯海龙陈志刚毛伊敏; 机构江西理工大学信息工程学院江西理工大学资源与环境工程学院中南大学软件学院江西理工大学应用科学学院; 出处《计算机工程与应用》 CSCD 北大核心 2015年第24期145-149,共5页; 基金江西省自然科学基金(No.20122BAB201045) 国家自然科学基金(No.41362015 No.61073186); 文摘针对UF-tree中项集存在的数据和路径冗余的问题,设计了有序的压缩不确定树SCUF-tree,在节点中存储元素的不同支持度,达到压缩存储空间和方便移植已有的确定数据最大频繁项集算法的目的。结合最大频繁项集挖掘算法MMFI的设计思想,提出了一种挖掘不确定最大频繁项集算法UMMFI算法,并采取逐层逐个的NBN策略挖掘不确定最大频繁项集。实验结果表明,UMMFI算法具有较好的时空效益和适应性。; 关键词不确定数据的最大频繁项集不确定数据最大频繁项挖掘(UMMFI)算法有序的压缩不确定树(SCUF-tree) 逐层逐个地处理节点(NBN)策略; Keywords maximal frequent itemsets in uncertain databases Mining maximal frequent Items from uncertain data（UMMFI） algorithm Sequential Compressed uncertain frequent pattern tree（SCUF-tree） Node By Node（NBN）strategy; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名项约束先过滤的最大频繁项集挖掘算法被引量：8: 3; 作者姚全珠李如琼王美君; 机构西安理工大学计算机科学与工程学院; 出处《计算机工程》 CAS CSCD 2012年第4期73-75,共3页; 文摘在稠密型数据库中,现有最大频繁项集挖掘算法效率低、耗时长,挖掘结果模糊,不利于用户使用。为此,提出一种项约束先过滤的最大频繁项集挖掘算法——VCM。利用项包含约束过滤数据库,使用垂直数据表示数据集,采用深度优先的挖掘策略对数据库进行最大频繁相集的挖掘。实验结果表明,该算法快速有效,尤其在挖掘具有长模式的稠密数据库时优势明显。; 关键词关联规则最大频繁项集项约束垂直数据格式深度优先稠密数据库; Keywords association rule maximal frequent itemset item constraint vertical data format depth-first dense database; 分类号 TP311.12 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于矩阵的不确定数据频繁项集快速挖掘算法被引量：5: 4; 作者刘芝怡常睿; 机构常州工学院计算机信息工程学院常州工学院计划财务处; 出处《南京理工大学学报》 EI CAS CSCD 北大核心 2015年第4期420-425,共6页; 基金江苏省自然科学基金(BK20130245); 文摘针对CUF-growth算法中项集的期望支持度估算值过大,且挖掘过程中需要反复递归构造条件CUF-tree导致挖掘效率降低这一问题,提出UFIM-Matrix(Uncertain frequent itemset mining-matrix)算法。该算法不需要建立树结构,而是利用计算项集估算期望支持度的新方法和矩阵结构来产生规模更小候选项集,能在一定程度上减少计算开销,提高挖掘效率。最后的实验结果也表明了新算法性能更优。; 关键词不确定数据频繁项集期望支持度快速挖掘; Keywords uncertain databases frequent itemsets expected support fast mining; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名一种挖掘不确定数据最大模式的深度优先算法被引量：3: 5; 作者李雨明邱卫东徐赛赛郭英凯; 机构上海交通大学信息安全工程学院上海市公安局网络安全保卫大队北京北信源软件股份有限公司; 出处《计算机工程》 CAS CSCD 北大核心 2015年第7期204-209,共6页; 基金国家科技部科技支撑计划基金资助项目(2011BAK13B05) 教育部新世纪优秀人才计划基金资助项目(NCET-12-0358) +1 种基金上海市科技计划基金资助项目(13JG0500400); 文摘不确定性数据挖掘是数据挖掘领域的研究热点,但其应用于最大频繁项集的算法较少。根据不确定数据挖掘的特点,把挖掘确定性数据最大频繁模式的Gen Max算法扩展到不确定数据中,提出一种U-Gen Max算法。对Tid集进行扩展,在id域的基础上增加概率域,实现垂直数据格式转换。在频繁项集判断方面加入前置判断来剪枝非频繁项集,相比直接计算置信度的方式,降低了计算量。基于栈式结构给出多步回退剪枝新策略,从而避免Gen M ax算法只能单步回退的缺陷。实验结果证明,该算法计算性能良好,可适用于各种情况下的稀疏数据集与支持度较高情况下的稠密数据集。; 关键词不确定数据频繁项集最大模式垂直格式剪枝策略置信度; Keywords uncertain data frequent itemset maximal pattern vertical format pruning strategy confidence; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	一种有效的不确定数据概率频繁项集挖掘算法	刘立新张晓琳毛伊敏	《计算机应用研究》 CSCD 北大核心	2012	8	在线阅读下载PDF 职称材料
2	基于有序树的不确定数据最大频繁项挖掘算法	刘卫明蒯海龙陈志刚毛伊敏	《计算机工程与应用》 CSCD 北大核心	2015	7	在线阅读下载PDF 职称材料
3	项约束先过滤的最大频繁项集挖掘算法	姚全珠李如琼王美君	《计算机工程》 CAS CSCD	2012	8	在线阅读下载PDF 职称材料
4	基于矩阵的不确定数据频繁项集快速挖掘算法	刘芝怡常睿	《南京理工大学学报》 EI CAS CSCD 北大核心	2015	5	在线阅读下载PDF 职称材料
5	一种挖掘不确定数据最大模式的深度优先算法	李雨明邱卫东徐赛赛郭英凯	《计算机工程》 CAS CSCD 北大核心	2015	3	在线阅读下载PDF 职称材料