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:
由于能反映用户的偏好,可以弥补传统频繁项集挖掘仅由支持度来衡量项集重要性的不足,高效用项集正在成为当前数据挖掘研究的热点.为使高效用项集挖掘更好地适应数据规模不断增大的实际需求,提出了一种高效用项集的并行挖掘算法PHUI-Mine.提出了记录挖掘高效用项集信息的DHUI-树结构,描述了DHUI-树的构造方法,论证了DHUI-树的动态剪枝策略.在此基础上,给出了高效用项集挖掘的并行算法描述.实验结果表明,PHUI-Mine算法具有较高的挖掘效率及较低的存储开销.
推荐文章
减少候选项集的数据流高效用项集挖掘算法
大数据
数据流
高效用项集
模式挖掘
模式增长
候选模式
多最小效用阈值的频繁高效用项集快速挖掘算法
频繁项集
高效用项集
支持度
多最小效用阈值
基于Spark的并行化高效用项集挖掘算法
数据挖掘
高效用项集
Spark大数据框架
并行化
Top-K
改进的频繁和高效用项集挖掘算法
频繁项集
高效用项集
伪投影
事务合并
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 一种高效用项集并行挖掘算法
来源期刊 计算机工程与科学 学科 工学
关键词 数据挖掘 高效用项集 并行算法 动态高效用项集树
年,卷(期) 2015,(3) 所属期刊栏目 高性能计算
研究方向 页码范围 422-428
页数 7页 分类号 TP311
字数 5118字 语种 中文
DOI 10.3969/j.issn.1007-130X.2015.03.002
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 李晋宏 北方工业大学计算机学院 67 459 12.0 17.0
2 宋威 北方工业大学计算机学院 40 202 8.0 13.0
3 吉红蕾 北方工业大学计算机学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (6)
参考文献  (9)
节点文献
引证文献  (5)
同被引文献  (12)
二级引证文献  (9)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(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)
2016(4)
  • 引证文献(2)
  • 二级引证文献(2)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(4)
  • 引证文献(1)
  • 二级引证文献(3)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
高效用项集
并行算法
动态高效用项集树
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
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导