全文获取类型
收费全文 | 491篇 |
免费 | 9篇 |
国内免费 | 30篇 |
专业分类
系统科学 | 22篇 |
丛书文集 | 20篇 |
理论与方法论 | 2篇 |
现状及发展 | 5篇 |
综合类 | 481篇 |
出版年
2024年 | 1篇 |
2023年 | 6篇 |
2022年 | 7篇 |
2021年 | 11篇 |
2020年 | 6篇 |
2019年 | 12篇 |
2018年 | 11篇 |
2017年 | 6篇 |
2016年 | 11篇 |
2015年 | 12篇 |
2014年 | 24篇 |
2013年 | 26篇 |
2012年 | 29篇 |
2011年 | 33篇 |
2010年 | 34篇 |
2009年 | 53篇 |
2008年 | 46篇 |
2007年 | 52篇 |
2006年 | 50篇 |
2005年 | 37篇 |
2004年 | 23篇 |
2003年 | 17篇 |
2002年 | 5篇 |
2001年 | 10篇 |
2000年 | 4篇 |
1999年 | 2篇 |
1998年 | 1篇 |
1988年 | 1篇 |
排序方式: 共有530条查询结果,搜索用时 7 毫秒
1.
杨泽民 《山西大同大学学报(自然科学版)》2007,23(1)
增量式更新算法能充分利用已挖掘出的知识来提高挖掘效率,是数据挖掘高效算法研究中一个主要方向.本文首先分析了经典的关联规则增量式更新算法FUP(Fast Updating algorithm)算法的不足,提出了一种改进的关联规则增量式更新算法IIUA(Improved Incremental Updating Algorithm),极大地降低了存储空间和挖掘时间需求,从而提高了整个关联规则挖掘的效率. 相似文献
2.
一种基于关联规则的数据挖掘算法实现与应用 总被引:1,自引:0,他引:1
对Apriori算法加以改进,提出了一种更高效的关联规则挖掘算法,在扫描数据库的同时把支持每个项目的事务都标记出来,采用一种新的方法来计算候选项目集的支持度.该算法只需对源数据库进行一次扫描,就可以找出所有的频繁集,具有很高的效率. 相似文献
3.
一种改进的关联规则增量式更新算法 总被引:1,自引:0,他引:1
在支持度和置信度不变的情况下,随机或偶然向数据集添加数据记录会导致关联规则的变化.在FUP算法的基础上给出了一个改进的增量式更新算法,本算法在充分利用先前关联规则的基础上极大的减少了扫描原数据集的次数,与FUP算法相比极大的减少了算法运行时间,并实验验证了算法的优越性. 相似文献
4.
频繁模式不能反映模式内部各项目之间的关联和相关关系,频繁关联模式挖掘与孥繁相关苎式兰苎已越来越受到人们的重视.按照相关模式定义,如果一个模式是相关模式,其超模式一定是相关模式,最小频繁相关模式挖掘将大大减少挖掘出来的数量,有利于用户分析.给出最小频繁相关模式挖掘算法,并在标准数据挖掘数据集蘑菇数据上测试,实验证明算法是正确有效的. 相似文献
5.
杨君锐 《长安大学学报(自然科学版)》2004,24(6):102-110
针对关联规则下最大频繁项目集的特性,提出了一种快速挖掘最大频繁项目集的新算法MMFI(miningmaximumfrequentitemsets)。该算法摆脱了传统的经典算法Apriori及其变种情况下的自底向上的搜索策略,利用集合枚举树(set enumerationtree)的变形结构采取了自顶向下的新的搜索方式,并通过其独特的启发式判断策略、候选项目集的生成策略等,大大减少侯选项目集的生成,从而降低了CPU搜索时间,提高了挖掘效率。 相似文献
6.
7.
提出了一个基于频繁模式树即FP-tree和支持度数组相结合的最大频繁项集挖掘算法,首先建立FP-tree,同时建立支持度数组,然后在此基础上建立最大频繁项集树MAXFP-tree,MAXFP-tree中包含了所有最大频繁项集,缩小了搜索空间,提高了算法的效率。算法分析和实验表明,该算法对稠密型数据集和稀疏型数据集均适用,并且特别适于挖掘具有长频繁项集的数据集。 相似文献
8.
分布式数据挖掘计算是大数据研究中非常重要的技术,现有的对频繁模式的分布式挖掘方法在处理大量数据集时仍然存在许多局限,如并行Apriori算法在多次扫描数据库过程中对I/O产生很大负担,并且有大量候选集产生.本文使用的FP-growth算法包括Fp-tree构建和频繁模式挖掘两个阶段.主要思想是在map阶段构建FP-tree之前,根据步长值及项目元素编码对FP-tree节点合并,并在shuffle阶段依据平衡算法划分给不同的reducer.平衡算法用来均衡工作负载.利用该算法来降低数据分配的随机性,避免数据挖掘阶段由于数据划分不均衡导致部分reducer开销过大的缺点.实验结果表明:与现有方法相比,在较大数据集情况下改进后的算法具有更好地运算效率和可伸缩性. 相似文献
9.
10.