关联规则的高效挖掘算法研究

关联规则的挖掘是一个重要的数据挖掘问题 ,对其挖掘算法的研究具有十分重要的意义 ,经典的关联规则发现算法是一个多次遍历的算法 ,计算的复杂度较高 .本文给出一种关联规则频繁数据集的发现算法 ,只需对交易序列扫描两次即可发现数据集的频繁数据集 。

一种基于栈变换的高效关联规则挖掘算法

在一个模式信息保全引理的基础上 ,提出了一个基于频繁模式栈变换的关联规则挖掘算法FPST ,给出了相应的栈构造和栈变换的算法描述 ,并进行了算法的性能分析和比较试验 。

高效数据挖掘算法在大规模数据集中的应用研究

在数据采集和信息获取技术的迅猛发展下,政府及各企事业单位都积累了大量的数据,过去简单化的查询方式以及统计技术已经不能适应当前对大数据处理的要求,不能在更高层次上,如:频繁项集、聚类、分类、离群点检测等进行分析。数据挖掘就是在这样迫切的形式之下才得到重视和凸显起来的。于此同时,数据挖掘与人工智能、Web、物联网等的紧密结合也得到了广泛的关注及应用。从大量的复杂的混合类型数据中发现有用的模式或知识是十分紧迫和有意义的,不仅在学术界得到重视,而且对国家和社会产业结构的调整和经济效益的提升做出很大的贡献。

大规模数据集高效数据挖掘算法研究

近些年,随着信息技术的不断进步,人们获取数据的手段日新月异,不少企业和机构已经存储了大量的数据。基于数据的急速增长,大规模数据集高效数据挖掘技术的应用需求快速增加,本文主要以聚类算法为例,具体分析了主流的BIRCH算法在大规模数据集中的应用局限性及其改进,将CLUK聚类算法应用于大规模数据集高效数据挖掘,并获得了较好的效果。

对大规模数据集高效数据挖掘算法的研究

随着我国信息技术的不断提高,数据信息技术应用范围也得到了有效拓展,为社会创造出极大的应用价值。单一模式已经无法满足当前大型数据集计算要求。因此我们必须充分运用数据挖掘法来实现更高一级数据统计及信息处理目标,促进我国社会经济效益的有效提升。