期刊文献+

基于CPRIP-Tree的伴生模式挖掘算法

下载PDF
导出
摘要 现有的大多数空间伴生模式挖掘算法采用类似Apriori生成方法,通过自底向上,逐层检验的方式挖掘频繁模式。本文提出了一种新的基于伴生模式行实例投影树CPRIP-Tree(Co-location Pattern Row_Instance Projection Tree)的挖掘算法,该算法通过实例查找方式生成伴生模式行实例以构建CPRIP-Tree,并在其基础上上直接挖掘频繁模式。最后通过模拟数据实例分析证明了该算法较基于Apriori算法具有更高的挖掘效率。
出处 《福建电脑》 2009年第5期71-72,共2页 Journal of Fujian Computer
  • 相关文献

参考文献1

二级参考文献4

  • 1MUNRO R,CHAWLA S,SUN P.Complex spatial relationships[C]∥IEEE Computer Society.Proceedings of The Third IEEE International Conference on Data Mining.Washington:IEEE Computer Society,2003:227-234.
  • 2SHEKHAR S,Huang Y.Co-location rules mining:a summary of results[J].Lecture Notes in Computer Science,2001,2121(6):236-242.
  • 3HUANG Y,XIONG H,SHEKHAR S,et al.Mining confident co-location rules without a support threshold[C]∥ACM.Proc 2003 ACM Symposium on Applied Computing.New York:ACM Press,2003:497-501.
  • 4ZHANG X,MAMOULIS N,CHEUNG D,et al.Fast Ming of Spatial Collocations[C]∥ACM.Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York:ACM Press,2004:384-393.

共引文献2

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部