频繁模式挖掘进展及典型应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (15): 138-144.

• 数据库、信号与信息处理 • 上一篇下一篇

频繁模式挖掘进展及典型应用

马青霞1，李广水1，孙梅2

1.金陵科技学院信息技术学院，南京 211169
2.金陵科技学院商学院，南京 211169

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-21 发布日期:2011-05-21

Current status and typical application on frequent pattern mining

MA Qingxia1，LI Guangshui1，SUN Mei2

1.School of Information Technology，Jinling Institute of Technology，Nanjing 211169，China
2.School of Business，Jinling Institute of Technology，Nanjing 211169，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-21 Published:2011-05-21

摘要/Abstract

摘要： 对近年来频繁模式的挖掘进行了总结。首先对有代表性的挖掘算法从算法思想、关键技术、算法的优缺点进行了分析概括，此后列举了一些典型频繁模式及关联规则的领域应用。综述内容的选择主要基于某一个研究后续被关注程度，组织过程中力争将相关研究进行归类，以给出其发展概貌。上述工作可以为频繁模式挖掘及关联规则的研究提供有益的参考。

关键词: 频繁模式, 关联规则, 数据挖掘

Abstract: The research actuality and new progress in frequent pattern mining in recent years are summarized.After analyzing and summarizing on ideas，key technology，advantage and disadvantage for some representative frequent pattern mining algorithms have been done，the typical application is listed.The rule of source materials selected mainly bases on its content whether or not be paid much more attention by others，for showing the developing direction，this paper is classified by distinct subject matter.The above work can give a valuable reference for frequent pattern mining and association rules studying.

Key words: frequent pattern, association rule, data mining

马青霞1，李广水1，孙梅2. 频繁模式挖掘进展及典型应用[J]. 计算机工程与应用, 2011, 47(15): 138-144.

MA Qingxia1，LI Guangshui1，SUN Mei2. Current status and typical application on frequent pattern mining[J]. Computer Engineering and Applications, 2011, 47(15): 138-144.

[1]	宗晓萍，陶泽泽. 基于掌握速度的知识追踪模型[J]. 计算机工程与应用, 2021, 57(6): 117-123.
[2]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[3]	马洋，赵旭俊. 基于相关子空间的多源离群检测算法[J]. 计算机工程与应用, 2021, 57(17): 88-95.
[4]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[5]	张博文，刘智，桑国明. 基于核密度波动的异常检测算法[J]. 计算机工程与应用, 2021, 57(12): 132-136.
[6]	张振海，张湘婷. 上下文感知的高铁信息服务推荐方法研究[J]. 计算机工程与应用, 2021, 57(12): 231-236.
[7]	饶加旺，马荣华. 改进核密度估计的空间点密度算法[J]. 计算机工程与应用, 2021, 57(11): 260-265.
[8]	杨葛英，沈夏炯，史先进，张磊. 以概念格为背景的关联规则可视化[J]. 计算机工程与应用, 2021, 57(1): 84-91.
[9]	王杰，陈志刚，刘加玲，程宏兵. 基于聚类的云隐私行为挖掘技术[J]. 计算机工程与应用, 2020, 56(5): 80-84.
[10]	王子龙，李进，宋亚飞. 基于距离和权重改进的K-means算法[J]. 计算机工程与应用, 2020, 56(23): 87-94.
[11]	纪文璐，王海龙，苏贵斌，柳林. 基于关联规则算法的推荐方法研究综述[J]. 计算机工程与应用, 2020, 56(22): 33-41.
[12]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[13]	顾军华，苏鸣，张亚娟，张丹红. 基于位编码链表的快速频繁模式挖掘算法研究[J]. 计算机工程与应用, 2020, 56(19): 86-93.
[14]	刘文芬，穆晓东，黄月华. 基于多分辨率网格的异常检测方法[J]. 计算机工程与应用, 2020, 56(17): 78-85.
[15]	刘莉萍1，章新友1，牛晓录2，郭永坤1，丁亮1. 基于Spark的并行关联规则挖掘算法研究综述[J]. 计算机工程与应用, 2019, 55(9): 1-9.

频繁模式挖掘进展及典型应用

Current status and typical application on frequent pattern mining

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics