排序方式: 共有11条查询结果,搜索用时 0 毫秒
1.
2.
<正> 引言随着第五代计算机研究的深入,PROLOG 语言越来越引起人们的重视。日本把PROLOG 定为第五代机的核心语言,已经制造出了基于逻辑推理的 PROLOG 机,美、英等世界计算机大国也在积极进行这方面的研究。PROLOG 语言在专家系统、自然语言处理、数据等许多领域已经得到了应用。在第五代机上,主要是以 PROLOG 为核心的逻辑推理运算,其控制结构和数据结构与过程型高级语言完全不同。这就产生了如何把过程型高级语言程序移植到第五代机 相似文献
3.
基于子块划分的关联规则的挖掘 总被引:2,自引:0,他引:2
关联规则是数据挖掘的重要研究内容。提出了基于分块的关联规划挖掘算法PARM通过把数据集合划为适当的子块,挖掘子块上的频繁模式,进行合术,求解出数据集合上的关联规则,提高了挖掘的速度。算法PARM可用于分布环境中关联规则的挖掘。实验结果表明算法PARM是有效的。 相似文献
4.
快速多层次关联规则的挖掘 总被引:10,自引:0,他引:10
知识发现是指对原始数据进行分析,提取出隐含的,有用的规则,是当前快速发展的研究领域,是知识获取的重要方法,关联规则是知识发现的重要研究内容之一,本文提出了一种新的多层次关联规则挖掘算法ML_AR,算法ML_AR在挖掘过程中,只对最低概括层次上的候选系模式进行模式的匹配计算,求解出简化的频繁式集合,最后再求解各个概括层次上的繁频模式集合,算法ML_AR有效地利用了概括的层次关系,减少了模式的匹配计算 相似文献
5.
6.
概念指导的关联规则的挖掘 总被引:4,自引:0,他引:4
关联规则是数据依赖关系泊有效描述方法,是知识发现研究的重要内容,传统的关联规则挖掘算法缺少挖掘的针对性,挖掘速度慢,挖掘效果难于理解,挖掘析数量巨大,需要进行大量的筛选以便抽取出有用规则,文中提出了将概念融入挖掘过程中,提高挖掘的效率和挖掘的针对性的方法,给出了概念指导的关联规则挖掘算法CGARM和大数据库中概念的交互式生成方法。算法CGARM是对基于分类的挖掘算法的拓展。实验结果表明,算法CGA 相似文献
7.
8.
元规则指导的知识发现方法研究 总被引:4,自引:1,他引:3
传统的知识发现方法缺乏挖掘的针对性,效率较低,挖掘出的规则数量巨大,需要进行复杂的知识筛选工作;挖掘出的规则用低层次的原始数据表示,难以理解。无规则是对挖掘结果模式的一种表示方法,是将背景知识融入知识发现过程、提高挖掘结果的有趣性和挖掘速度的重要方法。该文研究利用概念表示数据之间的关系,提高规则的可理解性;将概念和无规则相集合,提出了基于概念的无规则指导的知识发现方法,并给出了概念的生成方法和无规则的构造方法。 相似文献
9.
在Excel中运用鼠标拖动,可以快速地对工作表进行编辑,如复制,移动,数扭运算,插入,删除等。下面仅对数据的快速移动加以说明。 在同一工作表内进行数据的移动,当数据移动到新单元格(位置),可以覆盖原数据,也可以插入其中。 相似文献
10.
多层次关联规则的有效挖掘算法 总被引:30,自引:0,他引:30
数据挖掘(Data Mining)被认为是解决“数据爆炸”和“数据丰富,信息贫乏(Data Rich and Information Poor)”的一种有效方法.关联规则(Association Rules)是数据挖掘的重要研究内容.提出了多层次关联规则的挖掘算法——AR_SET,利用集合“或”、“与”运算求解频繁模式(Frequent Itemset),提高了挖掘的效率和速度.实验结果表明,算法AR_SET是有效的,并对AR_SET算法的几个变种进行了讨论. 相似文献