排序方式: 共有45条查询结果,搜索用时 140 毫秒
21.
在经典的时态数据模型HMAP的基础上,通过增加事务时间参数delay的方式,提出了一种支持多时间粒度,可以有效处理具有周期特性数据的双时态数据模型PMB,该数据模型可以有效地解决HMAP模型存储中记录条目繁多和时间交叉的问题,从而节约存储空间,提高数据的查询速度。 理论分析和实验结果表明PMB数据模型可以把需要存储为n条记录的数据简化为有限的几条,而且当n值很大,甚至无穷的时候,这种存储方式具有明显的优势。 相似文献
22.
分布式关联规则挖掘中的聚类分区算法 总被引:1,自引:0,他引:1
在分布式关联规则挖掘中首先需要解决分布武环境下的聚类分区问题,该文基于CURE的工作原理,提出了D-CURE算法。实验证明,D-CURE算法可以很好地解决分布式环境下聚类分区问题。 相似文献
23.
基于时间戳数据库的分布式多层时态关联规则挖掘 总被引:1,自引:0,他引:1
为了解决目前企业急需的交叉销售问题,提出了基于时间戳数据库的分布式多层时态关联规则挖掘问题,并实现了解决该问题的核心算法DMTARM。该算法减少了数据库的扫描次数,提高了内存的使用效率和通信效率。 相似文献
24.
25.
26.
27.
频繁模式挖掘是数据挖掘领域中很重要的一部分.目前,出现了许多基于约束的频繁模式挖掘算法和交互式算法,但把两者结合起来的算法却很少.提出了一种基于约束的交互式频繁模式挖掘算法IMCFP(interactive mining of constraint-based frequent patterns).首先该算法按照约束的性质来建立频繁模式树,并且只需扫描一遍数据库;然后建立每个项的条件树,挖掘以该项为前缀的最大频繁模式,并用最大频繁模式树来存储;最后根据最大模式来找出所有的支持度明确的频繁模式.另外,该算法允许用户在挖掘过程中动态地改变约束.实验表明,该算法与iCFP算法相比是很有效的. 相似文献
28.
数据流频繁闭合模式挖掘是数据挖掘中的一大挑战.目前,在这方面的研究很少.提出了一种新的在滑动窗模型下发现频繁闭项集的算法--FCISW(frequent closed itemsets mining in sliding window).首先,FCISW算法在ST(suffix tree)结构中应用自底向上的遍历方式单遍有效地挖掘所有频繁闭项集,并将挖掘结果保存到一种新的bit_vector表结构中.当新的挖掘结果要存入bit_vector表时,它先与表中已存入的频繁闭项集进行位向量或操作,如果条件全部满足,再存入这个挖掘结果.这样可以大大提高频繁闭项集替换和重复比较的速度.最后,FCISW算法可以在滑动窗中快速有效地进行增量更新.实验证明,FCISW算法在内存应用和运行时间上都存在一定的优势. 相似文献
29.
30.
提出了一种基于H-tree的多维序列模式挖掘算法,首先在序列信息中挖掘序列模式,然后针对每个序列模式,根据包含此模式的所有元组中的多维信息构造H-tree树,挖掘出相应的多维模式,从而得到了多维序列模式。该算法将多维分析方法与序列模式挖掘算法有效地结合在一起,当维度较高时具有较高的性能。 相似文献