没有合适的资源?快使用搜索试试~ 我知道了~
基于关联规则数据挖掘算法对比分析(源码+文档+开题报告).zip
共197个文件
txt:47个
jpg:44个
xlsx:43个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 152 浏览量
2022-05-18
21:43:40
上传
评论
收藏 25.63MB ZIP 举报
温馨提示
摘要:数据挖掘技术在当今需要存储、处理、计算大量数据与信息的社会中有非常重要的作用。数据挖掘出现之前,海量的数据只是被简单的存储,不能对隐含在其中的信息进行分析、利用与创造价值,数据挖掘由此出现。数据挖掘是新兴且前沿的技术,是信息领域和数据库领域热点之一。数据挖掘技术的快速发展,出现了适合各领域需求各异的多种不同的分析方法与算法。算法是分析方法的具体实现,首先详细介绍了基于关联规则分析的Apriori算法、FP-growth 算法和Eclat算法,并通过对比这些算法在不同数据集的运行结果,分析了算法各自的优缺点及其适用领域,同时探讨了各个算法的优势互补、有机结合以弥补单独算法不足的可能性。 关键词:数据挖掘;关联规则;Apriori算法;FP-growth算法;Eclat算法
资源推荐
资源详情
资源评论
收起资源包目录
基于关联规则数据挖掘算法对比分析(源码+文档+开题报告).zip (197个子文件)
AprioriFPMining.class 10KB
EclatRelease.class 9KB
association.class 9KB
CreateFPTree.class 8KB
ITree.class 4KB
Test.class 3KB
Sort.class 3KB
FPTree$ItemTb.class 3KB
FPGrowth.class 2KB
Print.class 2KB
FPTree$Node.class 2KB
Stack.class 2KB
Queue.class 1KB
Comp.class 1KB
sumtemp.class 1KB
MyMap.class 991B
ITree$Node.class 948B
Drawing2.class 794B
FPTree.class 770B
ItemSet.class 763B
MyException.class 683B
Queue$Elem.class 679B
returntemp.class 669B
FPTree$Node$Cnode.class 577B
FPTree$Tree.class 568B
Item.class 528B
Stack$Elem.class 521B
HashNode.class 432B
HeadNode.class 412B
Node.class 327B
HashHeadNode.class 288B
.classpath 301B
connect.dat 8.83MB
T10I4D100K.dat 3.84MB
mushroom.dat 557KB
accidents.dat 218KB
input.dat 1KB
关联规则数据挖掘算法分析.doc 330KB
开题报告.docx 14KB
association.java 12KB
EclatRelease.java 10KB
CreateFPTree.java 9KB
AprioriFPMining.java 8KB
ITree.java 4KB
FPTree.java 3KB
Test.java 3KB
Sort.java 3KB
Print.java 2KB
FPGrowth.java 2KB
sumtemp.java 1KB
Stack.java 1KB
Drawing2.java 981B
Queue.java 963B
ItemSet.java 816B
returntemp.java 310B
MyException.java 282B
Item.java 235B
HeadNode.java 221B
HashHeadNode.java 169B
HashNode.java 142B
Node.java 80B
背景.jpg 363KB
Fp_Tree算法对T10I4D100K数据集进行不同阈值数据挖掘.JPG 62KB
Eclat算法对T10I4D100K数据集进行不同阈值数据挖掘.JPG 61KB
Apriori算法对不同数据集进行阈值为0.35数据挖掘.JPG 60KB
Fp_Tree算法对不同数据集进行阈值为0.25数据挖掘.JPG 60KB
Eclat算法对不同数据集进行阈值为0.35数据挖掘.JPG 58KB
Eclat算法对不同数据集进行阈值为0.30数据挖掘.JPG 58KB
Fp_Tree算法对accidents数据集进行不同阈值数据挖掘.JPG 58KB
Fp_Tree算法对不同数据集进行阈值为0.15数据挖掘.JPG 57KB
Fp_Tree算法对不同数据集进行阈值为0.30数据挖掘.JPG 56KB
Eclat算法对不同数据集进行阈值为0.20数据挖掘.JPG 56KB
不同算法对T10I4D100K数据集进行阈值为0.25数据挖掘.JPG 55KB
Apriori算法对mushroom数据集进行不同阈值数据挖掘.JPG 55KB
Fp_Tree算法对mushroom数据集进行不同阈值数据挖掘.JPG 55KB
不同算法对T10I4D100K数据集进行阈值为0.35数据挖掘.JPG 55KB
Fp_Tree算法对不同数据集进行阈值为0.20数据挖掘.JPG 55KB
不同算法对T10I4D100K数据集进行阈值为0.05数据挖掘.JPG 55KB
不同算法对accidents数据集进行阈值为0.25数据挖掘.JPG 54KB
Eclat算法对mushroom数据集进行不同阈值数据挖掘.JPG 54KB
不同算法对T10I4D100K数据集进行阈值为0.10数据挖掘.JPG 54KB
不同算法对T10I4D100K数据集进行阈值为0.30数据挖掘.JPG 54KB
不同算法对T10I4D100K数据集进行阈值为0.20数据挖掘.JPG 54KB
Eclat算法对不同数据集进行阈值为0.15数据挖掘.JPG 54KB
Eclat算法对accidents数据集进行不同阈值数据挖掘.JPG 54KB
不同算法对accidents数据集进行阈值为0.15数据挖掘.JPG 53KB
Eclat算法对不同数据集进行阈值为0.25数据挖掘.JPG 53KB
Apriori算法对T10I4D100K数据集进行不同阈值数据挖掘.JPG 53KB
不同算法对mushroom数据集进行阈值为0.15数据挖掘.JPG 53KB
Fp_Tree算法对不同数据集进行阈值为0.35数据挖掘.JPG 53KB
不同算法对T10I4D100K数据集进行阈值为0.15数据挖掘.JPG 53KB
Apriori算法对不同数据集进行阈值为0.15数据挖掘.JPG 53KB
Apriori算法对不同数据集进行阈值为0.30数据挖掘.JPG 52KB
不同算法对accidents数据集进行阈值为0.35数据挖掘.JPG 51KB
Apriori算法对不同数据集进行阈值为0.20数据挖掘.JPG 49KB
不同算法对mushroom数据集进行阈值为0.20数据挖掘.JPG 49KB
不同算法对mushroom数据集进行阈值为0.35数据挖掘.JPG 49KB
Apriori算法对accidents数据集进行不同阈值数据挖掘.JPG 49KB
不同算法对mushroom数据集进行阈值为0.30数据挖掘.JPG 49KB
不同算法对accidents数据集进行阈值为0.20数据挖掘.JPG 48KB
共 197 条
- 1
- 2
资源评论
Like_Bamboo
- 粉丝: 798
- 资源: 3万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功