一种改进的数据挖掘算法

发布时间：2017-11-25 06:21

  本文关键词：一种改进的数据挖掘算法

  更多相关文章： Apriori决策树 强关联规则

【摘要】：针对Apriori算法的存在产生大量的候选频繁集合的缺点,本文提出了基于加权代价敏感的非频过滤矩阵Apriori算法,通过在FP-tree算法的基础上构造的决策树对应的数据进行代价敏感学习;设定不同的数据的权值,设定加权置信度;非频集过滤矩阵寻找频集,生成强关联规则;构成非频集过滤Apriori算法对应的初始矩阵;构建代价敏感的非频集过滤矩阵等措施提高了算法的挖掘效果。
【作者单位】： 江苏开放大学;
【分类号】：TP311.13
【正文快照】： 关联规则是数据挖掘中的重要组成部分,通过研究事务数据库中的存储信息来挖掘相关信息。文献[1]提出了挖掘布尔关联规则,提出了基于频繁集的Aprior算法。伴随着云计算,大数据等概念的提出,基于关联规则的数据挖掘研究更加具有意义。文献[2]建立了一个支持并行关联规则的Web数

【相似文献】

中国期刊全文数据库 前5条

1 吕桃霞;刘培玉;;一种基于矩阵的强关联规则生成算法[J];计算机应用研究;2011年04期

2 邓奇强;熊燕;郭锋;;文献老化在图书馆书目挖掘中的应用研究[J];图书情报工作;2013年06期

3 蒋芸;李战怀;王勇;张龙波;;基于增强关联规则的医学图像分类新方法[J];西北工业大学学报;2006年03期

4 许信辉;潘超;;一种集合型数据匿名化的部分删除策略[J];计算机工程;2013年11期

5 ;[J];;年期

中国硕士学位论文全文数据库 前2条

1 王小平;复杂网络中基于相似性的链接预测算法研究[D];兰州大学;2015年

2 赵连朋;关于强关联规则挖掘与相关应用研究[D];东北师范大学;2009年

，

本文编号：1225085