基于DLFP—tree的动态关联规则算法

态关联规则EFP-growth算法，适宜于高密度海量数据的挖掘，但是这种算法对于冗余数据需要重复扫描。本文提出了基于链表的DLFP—growth算法，本算法利用链表过滤冗余项，并且当数据发生增量更新时，无需重新扫描事物数据库，只需要重新扫描一次增量数据，修改链表，重新构造DLFP-tree。通过实验结果分析，验证DLFP—growth算法相对于EFP—growth算法，大大降低了挖掘的时间复杂度。

负载均衡的FP-growth并行算法研究

针对在大数据量频繁模式挖掘的时候,有效地利用空闲的计算资源,提出一种基于FP-growth算法的并行算法。该算法有效地将FP-growth主要的计算部分合理地分配到各个计算节点上,各个节点独立完成挖掘后返回结果,从而缩短总计算时间。实验证明,该算法可以完整高效地挖掘频繁模式,并且实现均衡负载。

基于改进FP_Growth算法在中药提取信息中研究

中药提取在中药生产中占有十分重要地位,企业在生产中药过程中,生产过程数据和质量数据存在一定的问题。数据挖掘技术的出现及利用k-means聚类算法和改进的FP_Growth算法对中药生产过程数据进行分析,既能为企业提高生产效率,降低成本,又保证产品的质量。因此对中药提取信息数据挖掘不仅是有必要的,更具有实际意义。

基于FP-Growth算法的中药配方数据挖掘

本文探讨了数据挖掘技术在中药方剂配伍研究中的应用,介绍了关联规则的挖掘算法--FP-Growth算法,提出了运用FP-Growth算法从中药方剂中挖掘出相关联的中药的方法。

一种优化FP-growth的支持度相同项的排序算法

Han等人提出了频繁模式增长FP-growth算法,该算法在第一次扫描数据库后,得到频繁项集合和每个频繁项的支持度,并按支持度降序排列,但没有对支持度相同项的排列做进一步说明。本文依据"越是频繁出现,越可能被共享"的建树原则,提出了通过比较该项与前后项项集的支持度,较大者先排列的方法,使后续构建的FP-tree比任意排序构建的FP-tree更优。

FP-growth算法在医学形态学教学系统中的应用与研究

针对已有网络教学系统缺乏智能性、不能有效地为用户提供满足要求的教学资源、无个别化指导等缺点,项目组将数据挖掘中FP-growth算法应用到医学形态学实验教学系统中,从而提高该教学系统的智能化水平、激发学生学习兴趣。大量实验表明,引入过FP-growth算法的医学形态学实验教学系统,不仅能够利用有效地的为用户提供满足要求的教学资源,还能够因材施教对学生实行个性化指导。

基于改进FP growth的告警关联算法

入侵检测系统产生的原始告警存在层次较低、相互孤立、没有关联性等不足,使得安全管理人员难以从中发现未知的、高层次的安全威胁,从而无法了解目标网络的整体安全态势。为了利用低级别告警构建攻击场景,通过分析现有的告警关联知识,针对基于数据挖掘的告警关联算法处理稀疏数据时性能较差的不足,提出了一种新的基于数据挖掘的告警关联算法。首先对现有的告警关联算法进行了分析比较;然后阐述了经典的Apriori算法和FP growth算法的机制及优缺点,并基于二维表对FP growth算法进行了改进;最后使用改进算法挖掘告警之间的关联规则,继而进行告警关联。为了验证所提方法的可行性和性能,使用Darpa数据集进行了相关的仿真测试,实验结果表明该方案可以较好地实现告警关联。

基于FP-growth算法在学生成绩中的关联规则分析

介绍数据挖掘中关联规则概念及发现频繁模式基FP-growth算法,及通过对模型的灵活运用,完成了对学生成绩关联规则分析。

一种基于分解事务矩阵的FP-growth改进算法

文章阐述了FP-growth算法的特征,并针对该算法的不足,提出了基于分解事务矩阵的FP-growth改进算法。该算法利用压缩的布尔矩阵对事务信息进行存储,仅扫描数据库一次,当事务数和支持度阙值发生变化,可不必重新扫描数据库,特别是当数据集很大时,能有效提高时间和空间的挖掘效率。

FP-Growth关联规则挖掘的改进算法

文章通过对FP-Growth算法分析,提出的改进算法能有效地减少需遍历的树的节点数,从而降低了时间开销。实验表明:改进算法能明显地提高挖掘效率。

关联规则算法FP-growth的研究与分析

FP-growth算法是关联规则挖掘中应用最为广泛的挖掘算法,与经典算法Apriori算法最大的区别是不需要挖掘候选集,所以在挖掘效率上有了很大的提升,但是在构建模式树FP-tree时是基于整个事务数据库的,当遇到大型数据库或挖掘约束条件严格时,算法执行过程中占用内存较大,对空间要求较高,且是递归调用,执行效率不高。在对FP-growth算法研究的基础上提出了一种改进算法,该算法改变FP-tree结构,将一棵FP-tree分为多条子树进行频繁模式的挖掘,减少了内存的占用,提高了算法的执行效率。

改进的Fp-Growth算法在高校教务选课系统中的应用

对数据关联规则挖掘中最为消耗系统资源的步骤——搜寻频繁项集作了深入的描述,在对已有数据关联规则挖掘算法的分析基础上,提出了基于Fp-Growth算法的数据关联规则挖掘改进的Fp-Growth算法,开发了无锡交通高等职业技术学校的教务管理系统,并通过实验验证了改进的挖掘算法的有效性和优越性。

基于改进的FP-tree的频繁模式挖掘算法

FP-growth算法是一种基于FP-tree数据结构的高效的频繁模式挖掘算法,它不产生候选集。构造频繁模式树FP-tree需扫描数据库两次,在第二遍扫描中还扫描了那些仅包含了非频繁项的事务,针对此问题,在深入分析了FP-tree特性的基础上,改进了FP-tree构造过程,同时用一种基于Hash表的辅助存储结构,节省了项目查找时间,提高了挖掘效率。

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 .

基于关联规则算法的排课系统设计与实现

为达到教学资源利用的最优化,在分析高校排课需求及目前排课系统现状的基础上,基于FP-Growth关联规则算法,设计和实现基于C/S模式的高校自动排课系统。该系统实现课表的自动生成、动态调整,解决了教务部门的迫切需要。

卷烟产品销售规律挖掘算法的应用

为了利用卷烟产品历史销售数据中蕴含的信息以制定更加合理的卷烟产品营销策略,采用比较高效的关联规则FP-Growth算法设计了卷烟产品销售决策支持系统,实践应用表明该系统能快速的发现不同时期卷烟产品销售的关联关系,为营销人员及时掌握销售规律提供了有价值的参考。

数据挖掘中改进的Apriori关联规则算法分析

首先介绍了Apriori关联规则算法及其缺陷,然后对其加以改进,并分析了改进后算法的原理、框架、步骤等。

一种新的MDP算法的研究

提出了一种高效的挖掘数据仓库中多维关联规则的MDP算法。MDP算法通过构造一种扩展的前缀树MDP-tree,将数据仓库中的有效信息压缩存储,再使用基于MDP-tree的MDP-mining方法快速发现有趣的关联规则。MDP算法仅需要扫描一次数据仓库,就可以构造出MDP-tree,进而得到所有的关联规则。该算法还具有频繁模式查找简捷、二次查找迅速等优点。通过实验验证了MDP算法的高效性和稳定性,与传统的多维关联规则算法相比有更好的性能。

XML数据集中挖掘关联规划算法的比较

文章用Java语言实现了关联规则挖掘的两个算法FP-growth和Apriori算法,将这两个算法应用于用XML表示的实验数据中,实现了从XML数据库中直接挖掘关联规则,并与基于XQuery实现的Apriori算法进行了性能比较。

一种改进的基于数据挖掘的网络入侵算法

入侵检测系统作为一种主动的信息安全防御措施,有效地弥补了传统安全防护技术的不足,利用数据挖掘善于从大量数据中提取有用规则的特点,提出了一种改进的FP-Growth关联分析算法的网络入侵检测防御系统模型,该方法可以极大地提高数据挖掘的速度和节省数据挖掘中数据存储的空间。