排序方式: 共有4条查询结果,搜索用时 437 毫秒
1
1.
提出了基于完全图的最大约束条件下多支持度闻值关联规则挖掘改进算法。该算法利用完全图与频繁项集之间的关系,以完全图结点的度作为判断标准,使得寻找单个候选项集Ck(k≥3)的复杂度降低了。在由候选集得到频繁集的过程中,该算法避免了对事务数据库的扫描,从而减小了系统的I/O开销。因此,该算法减小了存储空间,加快了挖掘速度,提高了算法的效率。 相似文献
2.
3.
均线形态组合在证券分析中的应用 总被引:1,自引:0,他引:1
应用结构模式识别的方法,建立多阶均线形态组合序列。通过对股市历史数据的变换和分析,考查各形态组合序列对应的盈利和亏损概率,建立新的证券投资分析方法即均线形态组合预测法。其优点是可以部分弥补传统技术分析中的滞后性和不确定性,能根据市场的变化及时调整相应的参数指标,有效提高预测的成功率,并易用计算机作出识别。 相似文献
4.
基于图的关联规则挖掘高效算法研究 总被引:4,自引:0,他引:4
通过对文献[1]中介绍的基于图的关联规则挖掘算法的详细分析,提出了一种新的基于完全子图的关联规则挖掘算法。该算法利用完全子图与频繁项集的对应关系,以完全子图结点的度作为判断标准,完全避免了不必比较项目之间的比较:同时通过设置关联图结点的order值,完全避免了相同项目集的重复比较,从而在寻找k-项频繁集(k〉3)的过程中,时间复杂度远小于原算法的1/k-1。因此,该算法减小了存傅空间,加快了挖掘速度,提高了算法的效率。 相似文献
1