西南师范大学学报(自然科学版)
西南師範大學學報(自然科學版)
서남사범대학학보(자연과학판)
JOURNAL OF SOUTHWEST CHINA NORMAL UNIVERSITY
2013年
7期
93-99
,共7页
频繁模式%模式挖掘%容错范围%频繁模式代表集%闭频繁模式
頻繁模式%模式挖掘%容錯範圍%頻繁模式代錶集%閉頻繁模式
빈번모식%모식알굴%용착범위%빈번모식대표집%폐빈번모식
frequent pattern%pattern mining%fault-tolerant range%representative pattern sets%frequent closed patterns
传统的频繁模式挖掘算法产出大量的频繁模式,这些大量的频繁模式对于后期的分析、处理以及理解都带来了相当大的挑战.针对上述问题,该文提出了一种改进的压缩频繁模式挖掘算法,该算法基于CFP-树通过对传统频繁模式挖掘算法的改进能够从大量的频繁模式中选择出规模更小的频繁模式代表集合,从而起到减小庞大的频繁模式挖掘结果规模的目的.实验中还将该算法和现有的RPlocal算法进行了对比,结果表明改进的压缩频繁模式挖掘算法能够在合理的时间及容错范围内获得更小的频繁模式代表集,同时大大降低了时间复杂度,提高了挖掘效率.
傳統的頻繁模式挖掘算法產齣大量的頻繁模式,這些大量的頻繁模式對于後期的分析、處理以及理解都帶來瞭相噹大的挑戰.針對上述問題,該文提齣瞭一種改進的壓縮頻繁模式挖掘算法,該算法基于CFP-樹通過對傳統頻繁模式挖掘算法的改進能夠從大量的頻繁模式中選擇齣規模更小的頻繁模式代錶集閤,從而起到減小龐大的頻繁模式挖掘結果規模的目的.實驗中還將該算法和現有的RPlocal算法進行瞭對比,結果錶明改進的壓縮頻繁模式挖掘算法能夠在閤理的時間及容錯範圍內穫得更小的頻繁模式代錶集,同時大大降低瞭時間複雜度,提高瞭挖掘效率.
전통적빈번모식알굴산법산출대량적빈번모식,저사대량적빈번모식대우후기적분석、처리이급리해도대래료상당대적도전.침대상술문제,해문제출료일충개진적압축빈번모식알굴산법,해산법기우CFP-수통과대전통빈번모식알굴산법적개진능구종대량적빈번모식중선택출규모경소적빈번모식대표집합,종이기도감소방대적빈번모식알굴결과규모적목적.실험중환장해산법화현유적RPlocal산법진행료대비,결과표명개진적압축빈번모식알굴산법능구재합리적시간급용착범위내획득경소적빈번모식대표집,동시대대강저료시간복잡도,제고료알굴효솔.