基于逆向搜索的关联规则更新算法

对现有关联规则更新算法中的增量式更新算法进行分析,发现在决策者优先关注最大频繁项目集的情况下,该算法不能以较少的数据库遍历次数快速获取最大频繁项集。针对该算法的不足,提出一种基于逆向搜索的方式进行关联规则更新的算法。该算法生成新增项集的所有频繁项集,通过将其中最大频繁项集跟原项集中最大频繁项集进行拼接、修剪,从中获得更新后的最大频繁项集。实例结果表明,该算法既降低了关联规则更新过程中对数据库的遍历次数,又实现了优先获取最大频繁项目集。

基于频繁模式树的关联规则增量式更新算法

研究了大型事务数据库中关联规则的增量式更新问题 ,提出了一种基于频繁模式树的关联规则增量式更新算法 ,以处理最小支持度或事务数据库发生变化后相应关联规则的更新问题 。

一种基于FP树的挖掘关联规则的增量更新算法

挖掘关联规则是数据挖掘领域的一个重要研究方向 .人们已经提出了许多用于高效地发现大规模数据库中关联规则的算法 ,但对关联规则维护问题的研究却比较少 .该文在FP树的基础上 ,引入支持度函数的概念 ,对FP树进行改造 ,提出了一种关于挖掘关联规则的增量更新算法IFP growth .该算法既考虑了数据集中数据的增加 ,同时又考虑了数据集中数据的减少等情况下关联规则的维护问题 ,并且还可以把增量更新的 5种情形简化为 3种情形 .使用本算法来挖掘关联规则可以避免生成大量的候选项目集 ,而且非常高效 .

大型数据库中的高效序列模式增量式更新算法

提出一种称为FIMS(fastincrementalminingofsequentialpatterns)的序列模式增量式更新算法,处理因数据库的更新而引起的序列模式的维护问题.主要思想是利用原先的序列模式挖掘结果,通过建立一个投影数据库来减少对整个数据库的扫描次数和候选序列的生成,从而提高挖掘的效率.实验结果显示在更新数据量远小于整个数据库的大小时,FIMS算法的性能优于GSP算法4～7倍.

负增量式关联规则更新算法

模式维护是数据挖掘中一个具有挑战性的任务。现有的增量式关联规则更新算法主要解决两种情况下的维护问题:一是最小支持度不变,而数据量增加;二是数据量不变,而改变最小支持度。本文提出了一种负增量关联规则更新算法。实验表明,该算法是有效的。

一种新的捷联矩阵更新算法在无陀螺捷联惯导系统中的应用

本文为改进无陀螺捷联惯导系统解算的实时性 ,引入一种姿态阵更新的算法 ,并和常用的四阶 -龙格库塔法进行仿真比较 ,其结果是在不影响其精度的情况下 ,新算法的计算量和计算机时都有明显的减少。

频繁项目集的快速增量式更新算法

提出了频繁项目集的快速增量式更新算法(FIUA),主要考虑最小支持度发生变化时频繁项目集的更新情况.FIUA在最坏的情况下仅需扫描数据库一遍,且无需生成候选项目集,有效地节约了存储空间,提高了频繁项目集的更新效率.

一种关联规则增量更新算法

针对事务数据库的内容不断增加后相应关联规则的更新问题,提出了一种简单高效的增量式关联规则挖掘算法,并和已有的SFUA算法进行了分析比较。

一种基于前缀广义表的关联规则增量式更新算法

关联规则挖掘是数据挖掘研究的一个重要方面 ,关联规则的高效维护算法研究是当前研究的热点 .传统更新算法与Apriori算法框架一致 ,要多遍扫描数据库并产生大量的候选项目集 .为此 ,该文对FP tree进行了改进 ,引入了前缀广义表———PG List,并提出了基于PG List的关联规则挖掘 (MARBPGL)与增量式更新算法(IUABPGL) .算法MARBPGL仅须扫描数据库两遍 ,算法IUABPGL在最坏的情况下仅须扫描原数据库一遍 ,扫描新增数据库两遍 ,且两个算法均无须生成候选项目集 ,避免了产生“知识的组合爆炸” ,提高了挖掘和维护的效率 .理论分析和实验结果表明该文提出的算法是有效可行的 .

交易数据库的加权关联规则增量更新算法

针对文献犤1犦提出的加权关联规则挖掘算法,文章提出了交易数据库的加权关联规则增量更新算法(DWARIUA算法)。该算法充分利用已存在的频繁项目集,因此,算法是有效而可行的。

发现关联规则的增量式更新算法

数据挖掘是当今国际人工智能和数据库研究的新兴领域，而关联规则的更新是数据挖掘的一个重要研究内容。文章提出了IUAR算法，用于解决在元组数和最小支持度均发生变化时关联规则增量式更新问题。

一种关联规则的增量式更新算法

对在事务数据库不变的情况下，如何进行关联规则的维护问题进行了探讨，并提出了一种高效的增量式更新算法。

一种关联规则增量更新算法

针对一个新的事物数据库加到原有的事务数据库中,在最小支持度和最小置信度都不变的情况下相应关联规则的更新问题,提出了一种简单高效的增量式关联规则挖掘算法。该算法从集合的角度出发,将事物数据库分为频繁项集集合和非频繁项集集合,从而在两个事务数据库可能出现的关系中,准确找出能够生成新的频繁项集的集合。在此基础上,利用给出的算法能够较为容易地发现新的关联规则。最后,分析了此算法的优越性。

一种高性能包分类渐增式更新算法

包分类是第 4层线速数据包输入处理的核心问题之一 当前包分类问题研究的重点是最差情况下 ,规则数达到百万、多维的动态算法 尝试格 (gridoftries)算法的优点是查找时间复杂度与规则数无关 ,空间复杂度接近线性 ;缺点是没有支持渐增式更新的算法 ,即它是一种静态算法 ,并且仅支持二维 在此提出了一种尝试格的渐增式更新算法 ,使之成为动态算法

改进型关联规则增量式更新算法与实现

关联规则是数据挖掘中的重要研究内容之一 .目前 ,已经提出了许多算法用于高效的发现大规模数据库中的关联规则 ,但是对关联规则的维护问题的研究工作却很少 .本文对在事务数据库不变 ,只对最小支持度和最小可信度进行改变的情况下 ,如何进行关联规则的维护问题进行了探讨 。

一个高效的关联规则增量式更新算法

针对关联规则的维护问题，设计了一个高效的增量式更新算法ＦＩＵＡ，并将ＦＩＵＡ和已有的ＩＵＡ算法进行了比较，并通过实验证实了ＦＩＵＡ算法的高效性。

一种有效的关联规则增量式更新算法

关联规则是数据挖掘中的一个重要研究内容。目前已经提出了许多用于高效地发现大规模数据库中的关联规则的算法,而对已发现规则的更新及维护问题的研究却较少。文章提出了基于频繁模式树的关联规则增量式更新算法,以处理事务数据库中增加了新的事务数据集后相应关联规则的更新问题,并对其性能进行了分析。

关联规则增量更新算法研究

该文研究了关联规则更新的第一类问题,即数据库记录增加时的关联规则更新问题。首先,该文讨论了现有的FUP算法的基本思想,然后在此基础上对其进行改进,提出了改进的FUP算法EFUP,给出了具体实现方法。最后在不同方面针对EFUP与FUP算法进行了实验比较,说明了EFUP相对于FUP算法的优点。

一种四元数更新算法的推导及仿真研究

在捷联惯导系统中,可以用四元数来表示姿态矩阵,而姿态矩阵的计算是捷联惯导系统的关键问题之一。本文引入四元数三阶泰勒展开递推式作为四元数的更新算法,着重进行了公式的推导,并对某陆地捷联惯导系统的实际测量数据进行了仿真,仿真结果表明了该算法的有效性。

移动数据库的视图增量更新算法

在移动数据库中,数据缓存普遍采取实体化视图的方式,数据更新通过传输增量部分,以降低对网络带宽的要求。但是,以前的增量更新算法在无线带宽急剧下降的情况下,会引起数据更新的效率下降或无法完成任务。针对数据实时性要求较高的应用,提出了一个基于优先级的增量更新算法,根据数据的动态新鲜度进行排队,保证优先级高的数据先传输给移动计算机,从而提高了数据的传输效率和新鲜度。