發(fā)布時間：2021-10-26 05:00

　　大多數(shù)不確定數(shù)據(jù)庫中頻繁項集挖掘算法都是基于支持度的限制來剪枝組合搜索空間,因而得到關(guān)聯(lián)性很弱的頻繁項集并且對加權(quán)相關(guān)模式的挖掘效果不顯著.本文針對加權(quán)不確定數(shù)據(jù),提出一種新的策略:基于相關(guān)性度量的不確定數(shù)據(jù)頻繁模式挖掘（UFPM-CM）.首先,本文采用一種新的樹結(jié)構(gòu)和一個針對樹結(jié)構(gòu)的新的度量來提高挖掘性能.其次,提出了新的不確定置信度度量來挖掘不確定數(shù)據(jù)庫中的相關(guān)模式.最后,利用UFPM算法快速挖掘出相關(guān)性強的頻繁模式.實驗研究結(jié)果表明所提出的策略產(chǎn)生了較少但極具價值的模式且其效率優(yōu)于同類算法. 

【文章來源】：小型微型計算機系統(tǒng). 2019,40(03)北大核心CSCD

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 相關(guān)工作
3 相關(guān)描述和問題定義
4 本文算法
5 實驗與分析
6 結(jié)論


【參考文獻】：
期刊論文
[1]障礙空間中基于密度的不確定數(shù)據(jù)聚類算法[J]. 何云斌,王霄,萬靜,李松.  小型微型計算機系統(tǒng). 2017(12)
[2]增量關(guān)聯(lián)規(guī)則挖掘研究綜述[J]. 張步忠,江克勤,張玉州.  小型微型計算機系統(tǒng). 2016(01)
[3]基于時間衰減模型的不確定數(shù)據(jù)流聚類算法[J]. 屠莉,吳懋剛,楊立志.  小型微型計算機系統(tǒng). 2014(09)
[4]面向不確定數(shù)據(jù)的概率閾值可見最近鄰查詢算法[J]. 劉文遠,李承芳,陳子軍.  小型微型計算機系統(tǒng). 2013(08)
[5]不確定數(shù)據(jù)上范圍受限的最近鄰查詢算法[J]. 劉文遠,杜穎,陳子軍.  小型微型計算機系統(tǒng). 2012(06)



本文編號：3458879