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:
数据流最大频繁项集的项集数目相对很少并且已隐含所有的频繁项集,所以数据流中最大频繁项集的挖掘具有很好的时空效率并且有很大的意义,也受到了业界更多的关注。针对数据流最大频繁项集的挖掘,提出了在滑动窗口中基于矩阵的数据流最大频繁项集挖掘方法SWM-MFI,主要采用两个矩阵来存储数据信息:一个矩阵是事务矩阵,存储事务数据;一个矩阵是二项集矩阵,存放频繁2-项集。通过二项集矩阵扩展得到频繁k-项集,基于SWM-MFI算法挖掘出最大频繁项集。经过理论和实验证明该算法具有很好的时效性。
推荐文章
基于向量的数据流滑动窗口中最大频繁项集挖掘
数据流
最大频繁项集
滑动窗口
向量
数据流中基于滑动窗口的最大频繁项集挖掘算法
数据流
数据挖掘
最大频繁项集
滑动窗口
位图
数据流中一种基于滑动窗口的前K个频繁项集挖掘算法
数据挖掘
数据流
频繁项集
滑动窗口
二进制
二分法
挖掘滑动时间衰减窗口中网络流频繁项集
网络流数据挖掘
频繁项集
滑动时间衰减窗口
字典顺序前缀树
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 滑动窗口中数据流最大频繁项集挖掘算法研究
来源期刊 计算机工程与应用 学科 工学
关键词 数据流 滑动窗口 最大频繁项集 矩阵
年,卷(期) 2015,(22) 所属期刊栏目 数据库、数据挖掘、机器学习
研究方向 页码范围 145-149
页数 5页 分类号 TP311.13
字数 4673字 语种 中文
DOI 10.3778/j.issn.1002-8331.1312-0070
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 尹绍宏 天津工业大学计算机科学与软件学院 27 92 5.0 8.0
2 范桂丹 天津工业大学计算机科学与软件学院 2 17 2.0 2.0
3 单坤玉 天津工业大学计算机科学与软件学院 1 12 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (18)
参考文献  (7)
节点文献
引证文献  (12)
同被引文献  (41)
二级引证文献  (24)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(4)
  • 参考文献(3)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(14)
  • 引证文献(3)
  • 二级引证文献(11)
2019(12)
  • 引证文献(1)
  • 二级引证文献(11)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
数据流
滑动窗口
最大频繁项集
矩阵
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导