已閱讀1頁(yè)，還剩52頁(yè)未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、利用關(guān)聯(lián)和分類的相似性用關(guān)聯(lián)挖掘算法來完成分類任務(wù),這種分類算法就是關(guān)聯(lián)分類挖掘算法.本文提出了一種新的關(guān)聯(lián)分類算法—基于CFP-tree的分類算法.本文首先闡述了各種分類和關(guān)聯(lián)挖掘的相關(guān)理論和算法;其次介紹了傳統(tǒng)的關(guān)聯(lián)分類算法CBA和CMAR;最后提出并詳細(xì)論述了新算法—基于CFP-tree的關(guān)聯(lián)分類算法.新算法把分類信息添加到FP-tree中形成分類頻繁模式樹CFP-tree.CFP-tree用于存放數(shù)據(jù)庫(kù)中的分類頻繁信息.構(gòu)建好C
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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于頻繁模式樹的關(guān)聯(lián)規(guī)則算法研究.pdf
- 基于頻繁閉項(xiàng)集的關(guān)聯(lián)分類算法研究.pdf
- 基于決策樹分類算法的研究與應(yīng)用.pdf
- 基于約簡(jiǎn)頻繁模式樹的頻繁模式挖掘及查詢算法研究.pdf
- 基于頻繁模式樹的最大頻繁項(xiàng)目集挖掘算法研究.pdf
- 決策樹分類算法的研究與應(yīng)用.pdf
- 基于頻繁模式樹的最大頻繁項(xiàng)集挖掘算法研究.pdf
- 基于決策樹的分類算法研究和應(yīng)用.pdf
- 基于序列模式的頻繁自由樹挖掘算法研究.pdf
- 數(shù)據(jù)流頻繁模式和分類挖掘算法研究.pdf
- 基于決策樹分類算法的Web文本分類研究.pdf
- 基于決策樹分類算法研究及應(yīng)用.pdf
- 數(shù)據(jù)挖掘決策樹分類算法的研究與應(yīng)用.pdf
- 基于極大頻繁序列模式的文本分類方法.pdf
- 基于關(guān)聯(lián)規(guī)則挖掘的分類算法研究.pdf
- 決策樹分類算法的研究及應(yīng)用.pdf
- 基于聚類生成樹的分類算法研究.pdf
- 增量式關(guān)聯(lián)分類算法與多標(biāo)號(hào)關(guān)聯(lián)分類方法研究.pdf
- 頻繁依存子樹模式在問題分類中的應(yīng)用研究.pdf
- 基于FP-樹的最大頻繁模式挖掘算法研究.pdf
評(píng)論
0/150
提交評(píng)論