作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
频繁项集挖掘是数据挖掘领域的一个重要部分。随着大量数据不停地收集和存储,人们总希望从这些数据中找到内在的联系来为我们服务,频繁项集的挖掘算法有许多,如Apriori算法,fp-growth算法就是经典的频繁项集关联挖掘算法,文章重点分析了apriori的算法思想、算法描述及实际应用,同时也简要介绍了fp=growth算法思想。
推荐文章
基于频繁项集挖掘算法的改进与研究
数据挖掘
关联规则
频繁项集挖掘算法
频繁项集快速挖掘及更新算法
数据挖掘
频繁项集
关联规则
项集矩阵
基于索引数组的频繁项集挖掘算法
数据挖掘
关联规则
频繁项集
索引数组
基于格的快速频繁项集挖掘算法
数据挖掘
FP-树
频繁项集
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 频繁项集挖掘算法的研究
来源期刊 电脑知识与技术:学术交流 学科 工学
关键词 关联规则 频繁项集 支持度 APRIORI FP-GROWTH
年,卷(期) 2010,(8X) 所属期刊栏目
研究方向 页码范围 6858-6860
页数 3页 分类号 TP311.13
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 顾红其 南京铁道职业技术学院信息工程系 11 23 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
关联规则
频繁项集
支持度
APRIORI
FP-GROWTH
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导