|
|||||
|
|
| 基于模糊等价类的频繁项集精简表示方法 | |
| 作者姓名： | 田卫东 许静文 |
| 作者单位： | 合肥工业大学计算机与信息学院,合肥工业大学计算机与信息学院 |
| 基金项目： | 国家863高技术研究发展计划资助项目(2012AA011005);国家自然科学基金资助项目(61273292) |
| 摘 要： | 频繁项集挖掘是数据挖掘应用中的关键问题,而巨大的频繁项集数目成为了现实应用中的阻碍。为了解决这一问题,本文提出了一种基于格结构的频繁项集精简模型,并证明了该方法产生支持度误差的范围。此外,在模型的基础上提出了一种模糊等价类精简表示算法FEC。实验结果表明,该方法能够保证在频繁项集数量大幅降低的同时,不会引入过大的支持度错误,与Index-Meta算法相比,产生的支持度错误较小,有较高的应用价值。 |
| 关 键 词： | 数据挖掘 模糊等价类 类闭合集 频繁项集 精简表示 关联规则 |
| 收稿时间： | 2015-03-03 |
| 修稿时间： | 2015-04-07 |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 | |
| 点击此处可从《计算机应用研究》下载全文 | |