未找到相关数据
基于双空间搜索的频繁项挖掘方法
被引：6
作者：
王晓峰
王天然
机构：
[1] 沈阳化工学院计算机系
[2] 中国科学院沈阳自动化所 沈阳 中国科学院沈阳自动化所 沈阳
[3] 沈阳
来源：
关键词：
Dual space search;
Data mining;
Frequent item;
Associate rules;
Mutuality sets;
D O I：
暂无
中图分类号：
TP311.13 [];
学科分类号：
1201 ;
摘要：
<正> 1 引言 1998年Roberto J.和Bayardo Jr.利用自底向上搜索和项目集排序的方法建立了一种挖掘长型频繁项的Max-Miner算法;Lin D.和 Z.Kedem提出了一种双向钳形搜索Pincer-Search方法,利用自底向上搜索产生的非频繁项集来约束和修剪自顶向下方向的最大侯选频繁项集,候选频繁项集来自于Apriori方法。这两种方法虽然细节有所不同,但修剪最大频繁项的思想类似。假设{{1,2,3,4,5,6}}是最大候选频繁项MFCS(maximum-frequent-candidate-set),{1,6}和{3,6}是新发现的非频繁项集,对MFCS考虑{1,6}得{{1,2,3,4,5},{2,3,4,5,6}}。再用{3,6}更新这个MFCS:由于{3,6}是{2,
引用
收藏
页码：55 / 60
页数：6
相关论文