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:
高平均效用项集挖掘是当前研究的热点之一.针对高平均效用项集挖掘算法产生大量无意义的候选项集,而导致高内存消耗和运行时间长的问题,提出了dMHAUI算法.首先定义了集成矩阵Q,并提出了4种基于垂直数据库表示的紧凑平均效用上界及3种有效的修剪策略;将高平均效用项集挖掘所需的信息存储于IDUL结构树,利用改进的diffset技术快速计算项集的平均效用和上界;最后通过递归调用搜索函数得到高平均效用项集.与EHAUPM算法和MHAI算法进行仿真比较,结果表明,dMHAUI算法在运行时间、连接比较次数和可扩展性等方面都有较优的性能.
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
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
基于双重二元粒子群优化的高效用项集挖掘算法
高效用项集
双重二元粒子群优化
最小效用阈值
效用上界
分散子空间
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 基于优化上界的高平均效用项集垂直挖掘算法
来源期刊 计算机工程与科学 学科 工学
关键词 模式挖掘 高平均效用项集挖掘 dMHAUI算法 上界 效用挖掘
年,卷(期) 2020,(5) 所属期刊栏目 人工智能与数据挖掘
研究方向 页码范围 931-937
页数 7页 分类号 TP301.6
字数 5529字 语种 中文
DOI 10.3969/j.issn.1007-130X.2020.05.021
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 邵剑飞 昆明理工大学信息工程与自动化学院 12 25 3.0 4.0
2 浦蓉 昆明理工大学信息工程与自动化学院 1 0 0.0 0.0
3 胡常礼 昆明理工大学信息工程与自动化学院 1 0 0.0 0.0
4 曲坤 昆明理工大学信息工程与自动化学院 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  (55)
共引文献  (4)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(11)
  • 参考文献(0)
  • 二级参考文献(11)
2014(4)
  • 参考文献(2)
  • 二级参考文献(2)
2015(10)
  • 参考文献(2)
  • 二级参考文献(8)
2016(8)
  • 参考文献(1)
  • 二级参考文献(7)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
模式挖掘
高平均效用项集挖掘
dMHAUI算法
上界
效用挖掘
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