排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
稠密数据库有趣规则的快速挖掘 总被引:3,自引:0,他引:3
目前,关联规则的挖掘算法主要用于非稠密数据,很少有挖掘稠密数据的算法,而现实世界中有许多数据是稠密的。由于现行的算法不适合稠 密数据的挖掘,本文定义了兴趣度函数,给出了挖掘稠密数据有趣关联的有效算法。该算法与以往不同的是提前过滤掉不满足约束的属性组合,因而提高了速度,同时,使发现的规则更有趣,更易理解。 相似文献
2.
3.
一、记号与假设 设讨论的线性规划为(LP)minf~是cTx{x〔R。自S。门E“卜其中,R。~弋:Ia了x镇b‘,i一1,2,…,m},s。~奄x!x1Q矛‘x毛l},Q,一diag(2‘,2气…,2“),L为给定的正整牧. 假设A~[a,,a:,…,。副’,M一毛l,2,…,m},N~几l,2,…,。},rank(A)一。,{】a、!,,~1,i~1,2,…,、. 如ScM,则记A的第户列中行标在S中的元素按S中的顺序沟成的列向量为击,. 如Z〔N,则记A的第‘行中列标在:中的元素按:中的顺序构成的行向量为A‘:. 如“为一个向量,则记“中正分量的个数为P+(的.记集合s的元素个数为!51. 对任一个x〔R。,记J(,)一{ilajx~b‘,… 相似文献
4.
在数据仓库系统中,数据立方体(Cube)及其预聚集处理在OLAP起到非常重要的作用.对于一d个d维的dataCube可以生成2d个聚集Cuboids和d∏i=1(|Di|+1)个聚集数据单元,但对于一个高维Cube,要创建这些所有聚集Cuboids是不现实的.提出通过共享分段立方体Mini.Cube的高维Cube并行分布式存储结构(DHMC),将高维Cube划分成若干个低维共享分段立方体Mini-Cube,利用并行分布式处理技术来创建这些分割的分段共享Mini—Cube及其聚集Cuboids,来实现高维Cube的并行创建和增量更新维护,从而解决高维OLAP聚集海量数据的存储与查询问题.理论分析与实验结果均表明DHMC性能最佳. 相似文献
5.
6.
自从L.G.Khachian(1979)提出求解线性规划的多项式算法以来,已有许多学者对其进行了改进,并将其推广到了带约束或无约束的非线性规划问题,得到了一些深切(Deep Cut)方法.对这些方法进行总结并做了一些数值实验,认为对非线性问题来讲这些深切改进并不比原始的中心切(center cut)有效.事实上,这些深切方法并没有找到有效的线性搜索方向,也没有达到深切的目的.关于线性规划的研究,已得到了一系 相似文献
1