检索结果

Select

1. 基于Apriori的相容数据集间关联规则演绎方法

张春生庄丽艳

计算机应用 2013, 33 (10): 2796-2800.

摘要（532）

PDF （687KB）（501）

Apriori关联规则数据挖掘算法只针对一类相关数据集进行数据挖掘，而现实世界中各种不同的数据集非常庞大，如何在不相关数据集间进行数据挖掘，拓展规则的数量具有挑战性。目前Apriori关联规则算法研究基本上集中在算法性能优化和针对不同数据形式的基础上，没有突破不相关数据集的界限。针对这个问题，首先给出了相关数据集、不相关数据集、相容数据集的概念，进一步给出了一种基于Apriori的不相关数据集中相容数据集间的关联规则演绎算法，给出了算法演绎规则，通过构建法证明了算法的正确性。通过实例演示了应用方法，该算法可实现基于Apriori的相容数据集间关联规则的规则演绎，是普通数据挖掘算法无法实现的，扩展了关联规则算法的应用领域;同时，由于关联规则是在相容数据集上独立挖掘出来的，没有进行原始数据间的交换，在一定程度上实现了隐私保护

相关文章 | 多维度评价

Select

2. Apriori算法低频规则的有效性及实现

张春生庄丽艳李艳

计算机应用 2011, 31 (02): 435-437.

摘要（1347）

PDF （429KB）（1036）

针对经典Apriori算法基于全局、高频两个条件的缺陷，指出事务数据库低频规则的有效性，并通过对C4.5决策树的规则构造，进一步证明事务数据库存在低频规则，在此基础上，给出了一种Apriori低频规则挖掘算法。该算法与经典的Apriori算法兼容，但不是对Apriori算法简单的扩展，而是从理论上打破了Apriori算法基于全局和高频两个条件。最后通过实例用Apriori低频规则挖掘算法和C4.5算法对实例数据库进行挖掘，证明两者的一致性和Apriori低频规则的有效性，同时也证明了Apriori低频规则挖掘算法的有效性。

相关文章 | 多维度评价

Select

3. 关键路径的稀疏矩阵求解算法

张春生

计算机应用

摘要（1074）

PDF （300KB）（715）

求解AOE网的关键路径算法一般基于拓扑排序，虽然具有较好的时间复杂度(O(n+e))，但由于必须进行拓扑排序，同时还要进行拓扑逆序扫描，使得算法本身比较复杂。针对这个问题提出了一个算法，算法采用了稀疏矩阵作为数据的存储结构，为防止关键路径丢失，采用队列方式进行操作。同经典算法相比，该算法简单，时间复杂度相近(O(n+e/n))。