一种挖掘不确定数据频繁模式的深度优先算法

• 作者: 徐赛赛 简玲 谈飞 邱卫东
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 数据挖掘 不确定数据 深度优先 频繁模式
• 年，卷（期）: 2015,（10）
• 页码范围: 62-64,68
• 页数: 4页
• 分类号: TP301.6
• 字数: 4765字
• 语种: 中文

摘要

随着信息技术日新月异的发展，在金融、物流以及天体研究等众多领域，时刻都会产生和记录海量的数据。而多数情况下，这些数据都存在着误差或者仅是部分完整的，数据的不确定性导致传统的数据挖掘方法不再适用于不确定数据。因而提出了一种基于垂直结构的不确定数据频繁模式挖掘算法ProEclat。ProEclat采用数据集的垂直格式表示，避免了对数据集的多次扫描，使用两阶段模型的频繁项集判断方式，大幅提高了计算效率。实验证明，ProEclat伸缩性良好，性能优于同类算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邱卫东	上海交通大学信息安全工程学院	52	270	9.0	14.0
2	谈飞		1	1	1.0	1.0