计算机系统应用
計算機繫統應用
계산궤계통응용
APPLICATIONS OF THE COMPUTER SYSTEMS
2014年
11期
160-164
,共5页
频繁项集%不确定性数据%频繁模式%关联规则%可能世界模型
頻繁項集%不確定性數據%頻繁模式%關聯規則%可能世界模型
빈번항집%불학정성수거%빈번모식%관련규칙%가능세계모형
frequent item sets%uncertain data%frequent pattern%association rule%possible world model
由于不确定性数据大量存在于传感器网络，移动计算，军事，电信等应用领域，传统的频繁项集挖掘算法难以适用到不确定性数据挖掘。为了解决这个问题，本文提出了一种快速有效的算法，该算法基于可能世界模型，只需要扫描一次数据库，且没有建树的过程，通过实验证明，我们提出的算法比UF_Growth算法效率更高。
由于不確定性數據大量存在于傳感器網絡，移動計算，軍事，電信等應用領域，傳統的頻繁項集挖掘算法難以適用到不確定性數據挖掘。為瞭解決這箇問題，本文提齣瞭一種快速有效的算法，該算法基于可能世界模型，隻需要掃描一次數據庫，且沒有建樹的過程，通過實驗證明，我們提齣的算法比UF_Growth算法效率更高。
유우불학정성수거대량존재우전감기망락，이동계산，군사，전신등응용영역，전통적빈번항집알굴산법난이괄용도불학정성수거알굴。위료해결저개문제，본문제출료일충쾌속유효적산법，해산법기우가능세계모형，지수요소묘일차수거고，차몰유건수적과정，통과실험증명，아문제출적산법비UF_Growth산법효솔경고。
Uncertain data exists in many situations, such as sensor networks, mobile computing, military, telecommunications and other applications, which makes it difficult to apply traditional algorithms to mining frequent item sets. To deal with these situations, we propose an efficient algorithm based on possible world model with single scan of database. The algorithm works well without any tree construction. Experimental results show that the efficiency of our algorithm is better than UF_Growth.
