

已閱讀1頁,還剩58頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著科技的發(fā)展,人們能夠用更便捷的方式來收集數(shù)據。數(shù)據庫的快速增長使人們急迫地需要一種技術來處理這些數(shù)據。而數(shù)據挖掘就是在這樣的背景下產生的。數(shù)據挖掘的定義如下:從數(shù)據庫中找出以前人們不知道的知識,這些知識對于人們是很有價值的,可以用到人們的日常生產生活中,很大程度上增加生產效率。數(shù)據挖掘是知識發(fā)現(xiàn)(Knowledge Discovery in Databases,即KDD)中的一個基本步驟。數(shù)據挖掘有許多常見的功能,比如聚類、分類、以
2、及關聯(lián)規(guī)則等。本文主要介紹了其中的關聯(lián)規(guī)則。在文章中,簡單介紹了關聯(lián)規(guī)則的一些基本概念,以及挖掘關聯(lián)規(guī)則的一些基本方法。
本文對數(shù)據挖掘技術中的關聯(lián)規(guī)則挖掘進行了系統(tǒng)的分析和研究,并在經典的Apriori算法的基礎上改進了一個算法。本文的工作主要在以下幾個方面:
(1)對數(shù)據挖掘的基本理論知識和分類進行概述,對關聯(lián)規(guī)則的基本思想進行深入研究,并對關聯(lián)規(guī)則的相關算法進行了詳細介紹。
(2)介紹了現(xiàn)在已經存在的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 關聯(lián)規(guī)則中的Apriori算法的研究與改進.pdf
- 關聯(lián)規(guī)則挖掘中Apriori算法的研究.pdf
- 基于矩陣的關聯(lián)規(guī)則算法與Apriori算法的研究及改進.pdf
- 關聯(lián)規(guī)則算法的研究與改進.pdf
- 基于云計算的關聯(lián)規(guī)則Apriori算法的研究與實現(xiàn).pdf
- 基于Apriori算法的增量式關聯(lián)規(guī)則控制研究.pdf
- 關聯(lián)規(guī)則算法的改進研究與應用
- 數(shù)據挖掘中關聯(lián)規(guī)則算法的改進與應用.pdf
- 基于改進Apriori算法的海事事故關聯(lián)分析.pdf
- 關聯(lián)規(guī)則挖掘算法的研究與改進.pdf
- 關聯(lián)規(guī)則算法的改進研究與應用.pdf
- 關聯(lián)規(guī)則Eclat算法改進研究.pdf
- 加權關聯(lián)規(guī)則挖掘算法的研究與改進.pdf
- 改進的關聯(lián)規(guī)則算法在失效分析中的研究與應用.pdf
- 基于Apriori算法和OLAP的關聯(lián)規(guī)則挖掘模型設計.pdf
- 數(shù)據挖掘關聯(lián)規(guī)則加權算法研究與改進.pdf
- 一種關聯(lián)規(guī)則算法研究與改進.pdf
- 基于Hadoop對Apriori算法的改進與研究.pdf
- 基于Hadoop的關聯(lián)規(guī)則算法的研究與改進.pdf
- 數(shù)據挖掘中關聯(lián)規(guī)則算法的改進與并行化處理.pdf
評論
0/150
提交評論