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:
对大型数据库中海量数据进行数据挖掘的方法进行研究,提出一种对海量数据进行数据挖掘的有效方法,该方法实现了如何采用粒子群优化算法对海量数据进行优化划分,并且采用改进的Apriori算法解决Apriori算法产生大量候选项集和多次扫描数据库的缺点.从而解决海量数据挖掘的时间和空间复杂度过高的难点.
推荐文章
一种网络化数据挖掘方法研究
复杂网络
数据挖掘
拓扑特性
认知物理学
海量数据的支持向量机优化挖掘方法
海量数据
支持向量机
多簇团粒子
数据拟合
整合运算
挖掘离散
优化方法
一种基于多Agent的Web数据挖掘方法
Web数据挖掘
多Agent
Web数据
网络通信量
并行挖掘
基于模糊关联规则的海量数据挖掘方法研究
模糊关联规则
海量数
数据挖掘
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 一种海量数据挖掘的有效方法
来源期刊 软件 学科 工学
关键词 数据挖掘 PSO算法 关联规则
年,卷(期) 2011,(5) 所属期刊栏目 软件工程
研究方向 页码范围 65-66,70
页数 分类号 TP301.6
字数 3246字 语种 中文
DOI 10.3969/j.issn.1003-6970.2011.05.018
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 陈建国 中南民族大学计算机科学学院 3 11 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (20)
参考文献  (4)
节点文献
引证文献  (4)
同被引文献  (3)
二级引证文献  (3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(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)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(2)
  • 引证文献(0)
  • 二级引证文献(2)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
数据挖掘
PSO算法
关联规则
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
软件
月刊
1003-6970
12-1151/TP
16开
北京市3108信箱
1979
chi
出版文献量(篇)
9374
总下载数(次)
40
论文1v1指导