基于磁盘表存储FP-TREE的关联规则挖掘算法

随着现实待挖掘数据库规模不断增长,系统可使用的内存成为用FP-GROWTH算法进行关联规则挖掘的瓶颈.为了摆脱内存的束缚,对大规模数据库中的数据进行关联规则挖掘,基于磁盘的关联规则挖掘成为重要的研究方向.对此,改进原始的FP-TREE数据结构,提出了一种新颖的基于磁盘表的DTRFP-GROWTH(disk table resident FP-TREE growth)算法.该算法利用磁盘表存储FP-TREE,降低内存使用,在传统FP-GROWTH算法占用过多内存、挖掘工作无法进行时,以独特的磁盘表存储FP-TREE技术,减少内存使用,能够继续完成挖掘工作,适合空间性能优先的场合.不仅如此,该算法还将关联规则挖掘和关系型数据库整合,克服了基于文件系统相关算法效率较低、开发难度较大等问题.在真实数据集上进行了验证实验以及性能分析.实验结果表明,在内存空间有限的情况下,DTRFP-GROWTH算法是一种有效的基于磁盘的关联规则挖掘算法.     

基于FP-TREE算法的学生主干课程学习和所选模块的关联发现

FP-TREE算法是关联规则算法的一种,可以用其发现事物之间的潜在关联关系。用FP-TREE算法发掘出高职院校的学生选择的学习方向和其主干课程成绩之间的关系。     

基于FP—TREE算法的学生主干课程学习和所选模块的关联发现

FP-TREE算法是关联规则算法的一种，可以用其发现事物之间的潜在关联关系。用FP-TREE算法发掘出高职院校的学生选择的学习方向和其主干课程成绩之间的关系。     

基于用户兴趣的FP-TREE算法的改进及应用

关联规则主要通过历史数据来找出某些隐性的规律,但是针对不同用户,不同的规则更为有效,因此如何找出比较有价值的规则引起了人们的广泛关注。提出一种基于用户兴趣模型的改进关联规则算法,该算法从用户分类的角度找到适合不同用户的不同规则。通过在学校教学评估中的应用,验证了算法的有效性。