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:
为改善大坝安全监测数据库的数据挖掘方法运行速度慢、占用内存大的问题,提出改进FP-growth算法,将已预处理的监测数据剪枝后,生成Priority树再进行频繁项挖掘.以此方法挖掘大坝变形量与水温等环境量的相关关系,不仅挖掘速度快、精度高、结果简洁,还能够对比单个因子或分析多个因子耦合与目标变量的关系.实例表明改进后的FP-growth算法思想为大坝安全监测数据挖掘提供了一条良好的思路.
推荐文章
基于Spark框架的FP-Growth大数据频繁项集挖掘算法
大数据
频繁项集挖掘
Spark框架
FP-Growth算法
垂直布局
基于FP-Growth的智能家居用户时序关联操控习惯挖掘方法
智能家居
行为预测
数据挖掘
关联分析
个性化推荐
基于Hadoop的FP-Growth关联规则并行改进算法
FP-Growth算法
Hadoop
数据分割
负载均衡
基于FP-growth算法的关联规则获取研究
关联规则
FP-growth算法
税负分析
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 基于FP-growth的大坝安全监测数据挖掘方法
来源期刊 水利水电科技进展 学科 工学
关键词 大坝安全监测 大坝变形分析 数据挖掘 关联法则 FP-growth算法
年,卷(期) 2019,(5) 所属期刊栏目 工程技术
研究方向 页码范围 78-82
页数 5页 分类号 TV689.1
字数 4491字 语种 中文
DOI 10.3880/j.issn.1006-7647.2019.05.012
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 苏怀智 河海大学水文水资源与水利工程科学国家重点实验室 108 1113 17.0 28.0
5 高建新 河海大学水文水资源与水利工程科学国家重点实验室 3 2 1.0 1.0
9 毛宁宁 河海大学水文水资源与水利工程科学国家重点实验室 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (75)
共引文献  (20)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(6)
  • 参考文献(1)
  • 二级参考文献(5)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(5)
  • 参考文献(0)
  • 二级参考文献(5)
2016(12)
  • 参考文献(2)
  • 二级参考文献(10)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2018(7)
  • 参考文献(5)
  • 二级参考文献(2)
2019(4)
  • 参考文献(0)
  • 二级参考文献(4)
2019(4)
  • 参考文献(0)
  • 二级参考文献(4)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
大坝安全监测
大坝变形分析
数据挖掘
关联法则
FP-growth算法
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
水利水电科技进展
双月刊
1006-7647
32-1439/TV
大16开
南京西康路1号河海大学内
28-244
1981
chi
出版文献量(篇)
2984
总下载数(次)
4
论文1v1指导