中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
高性能數據挖掘(快速項集挖掘算法及性能研究) 版權信息
- ISBN：9787517066910
- 條形碼：9787517066910 ; 978-7-5170-6691-0
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
高性能數據挖掘(快速項集挖掘算法及性能研究) 內容簡介
《高性能數據挖掘：快速項集挖掘算法及性能研究》主要探討數據挖掘中的項集挖掘問題，詳細介紹了頻繁項集、高可用項集、頻繁項集、頻繁閉項集的定義、挖掘算法、搜索空間剪枝技術、性能優化等方面的內容！陡咝阅軘祿诰颍嚎焖夙椉诰蛩惴靶阅苎芯俊返闹攸c在于介紹如何提高挖掘速度、提升挖掘時的內存使用效率；《高性能數據挖掘：快速項集挖掘算法及性能研究》的特色在于不僅對這些挖掘方法與技術在理論上進行描述，同時作者執行了嚴格的實驗用以佐證結論！ 陡咝阅軘祿诰颍嚎焖夙椉诰蛩惴靶阅苎芯俊房勺鳛楦吣昙壉究粕、數據挖掘方向的研究生、有興趣青年學者的參考書。
高性能數據挖掘(快速項集挖掘算法及性能研究) 目錄
前言
第1章 概述
1．1 項集：數據挖掘研究領域的焦點之一
1．2 頻繁項集挖掘問題的研究歷史
1．3 高可用項集挖掘問題的研究歷史
1．4 本書的主要內容
第2章 頻繁項集挖掘問題
2．1 概述
2．1．1 問題形式化定義
2．1．2 搜索空間與方法
2．2 基礎頻繁項集挖掘算法介紹
2．2．1 經典的候選生成Apriori算法
2．2．2 以垂直視角處理數據庫的Eclat算法
2．2．3 基于前綴樹結構的FP-growth算法
2．3 性能測試的軟硬件環境
2．3．1 數據庫描述
2．3．2 參照算法介紹
2．3．3 其他軟硬件設施
2．4 實驗一：三種基礎算法的性能測試
2．4．1 實驗結果
2．4．2 性能評價
第3章 BFP-growth：快速模式增長算法
3．1 經典模式增長算法的性能分析
3．1．1 影響FP-growth性能的三個因素
3．1．2 ICDM*佳算法：FPgrowth
3．2 批量模式增長算法：BFP-growth
3．2．1 性能提升的途徑
3．2．2 核心步驟：兩次前綴樹遍歷
3．2．3 算法偽代碼
3．3 BFP-growth算法的性能分析
3．3．1 更少的遍歷花費
3．3．2 FP-array技術應該集成在BFP-growth中嗎
3．3．3 無修飾的前綴樹結構
3．4 實驗二：BFP-growth的性能測試及討論
3．4．1 BFP-growth及FPgrowth*與基礎算法的對比
3．4．2 實驗結果討論
3．5 小結
第4章 基于結點集合結構的NS算法
4．1 Eclat及FP-growth算法的優缺點
4．2 結點集合結構(Node-set)
4．2．1 條件結點
4．2．2 結點拓撲序號
4．2．3 使用結點集合結構表示前綴樹
4．3 NS算法
4．3．1 映射前綴樹到結點集合結構
4．3．2 從結點集合結構中挖掘頻繁項集
4．3．3 一個例子
4．3．4 NS算法的原子操作
4．4 實驗三：NS算法與其他快速挖掘算法的性能對比
4．4．1 實驗結果
4．4．2 結果討論：NS算法的性能優勢
4．5 小結
第5章 用Patricia*結構挖掘頻繁項集
5．1 研究動機
5．2 Patricia*結構
5．2．1 單孩子結點
5．2．2 構造：Patricia*結構
5．3 用Patricia*結構挖掘頻繁項集
5．3．1 先前的挖掘流程
5．3．2 改進的挖掘流程
5．3．3 PatriciaMine*算法
5．4 實驗結果
5．4．1 結點數量統計
5．4．2 性能對比
5．5 小結
第6章 頻繁項集挖掘算法的內存耗費
6．1 BFP-growth算法內存使用情況分析
6．2 NS算法內存使用情況分析
6．3 實驗四：快速挖掘算法的內存耗費
6．4 SP算法
6．4．1 研究動機
6．4．2 基礎知識
6．4．3 挖掘頻繁項集
6．4．4 實驗結果與結論
第7章 高可用項集挖掘問題
7．1 從頻繁項集到高可用項集
7．2 問題的形式化定義
7．3 已有挖掘算法概述
第8章 非候選生成高可用項集挖掘算法
8．1 項集有用性列表結構
8．1．1 初始有用性列表
8．1．2 2-項集的有用性列表
8．1．3 缸項集有用性列表(k≥3)
8．2 HUI-Miner算法
8．2．1 剪枝策略
8．2．2 算法偽代碼
8．3 HUI-Miner算法的實現細節
8．3．1 有用性列表表頭
8．3．2 重新標注tid
8．3．3 交易權重有用性增加的順序
8．4 實驗五：HUI-Miner性能測試
8．4．1 實驗設置
8．4．2 HUI-Miner及對比算法的運行時間
8．4．3 HUI-Miner及對比算法的內存耗費
8．4．4 項處理順序對HUI-Miner性能的影響
8．4．5 可擴展性
8．4．6 實驗結果討論
8．5 小結
第9章 快速識別高可用項集
9．1 先前算法的性能瓶頸
9．2 基本識別算法(BIA)
9．3 基于候選樹的快速識別算法(FIA)
9．3．1 候選樹結構
9．3．2 快速識別算法
9．4 算法分析：BIA與FIA
9．5 實驗六：BIA與FIA的性能對比
9．5．1 高可用項集識別時間
9．5．2 候選項集生成時間
9．5．3 內存耗費
9．5．4 實驗結果分析
9．6 實驗七：FIA-UP-Growth+和HUI-Miner的性能對比
9．6．1 運行時間&內存耗費
9．6．2 實驗結果分析
9．7 小結
第10章 *大頻繁項集挖掘
10．1 介紹
10．2 基本概念
10．3 MAFIA算法
10．3．1 深度優先遍歷
10．3．2 搜索空間剪枝
10．3．3 有效的MFI超集檢查
10．4 挖掘非*大頻繁項集
10．4．1 挖掘所有的頻繁項集
10．4．2 挖掘所有的頻繁閉項集
10．5 實施細節
10．6 結論
第11章 頻繁閉項集挖掘
11．1 介紹
11．2 頻繁項集挖掘
11．2．1 基本定義
11．2．2 先前的解決方案
11．3 項集-記錄標識符集合搜索樹與等價類
11．4 CHARM算法設計與實現
11．4．1 快速的閉項集子集合檢查
11．4．2 使用差異集合快速進行頻繁計數
11．4．3 其他優化及正確性
11．5 實驗結果
11．6 結論
參考文獻
第1章 概述
1．1 項集：數據挖掘研究領域的焦點之一
1．2 頻繁項集挖掘問題的研究歷史
1．3 高可用項集挖掘問題的研究歷史
1．4 本書的主要內容
第2章 頻繁項集挖掘問題
2．1 概述
2．1．1 問題形式化定義
2．1．2 搜索空間與方法
2．2 基礎頻繁項集挖掘算法介紹
2．2．1 經典的候選生成Apriori算法
2．2．2 以垂直視角處理數據庫的Eclat算法
2．2．3 基于前綴樹結構的FP-growth算法
2．3 性能測試的軟硬件環境
2．3．1 數據庫描述
2．3．2 參照算法介紹
2．3．3 其他軟硬件設施
2．4 實驗一：三種基礎算法的性能測試
2．4．1 實驗結果
2．4．2 性能評價
第3章 BFP-growth：快速模式增長算法
3．1 經典模式增長算法的性能分析
3．1．1 影響FP-growth性能的三個因素
3．1．2 ICDM*佳算法：FPgrowth
3．2 批量模式增長算法：BFP-growth
3．2．1 性能提升的途徑
3．2．2 核心步驟：兩次前綴樹遍歷
3．2．3 算法偽代碼
3．3 BFP-growth算法的性能分析
3．3．1 更少的遍歷花費
3．3．2 FP-array技術應該集成在BFP-growth中嗎
3．3．3 無修飾的前綴樹結構
3．4 實驗二：BFP-growth的性能測試及討論
3．4．1 BFP-growth及FPgrowth*與基礎算法的對比
3．4．2 實驗結果討論
3．5 小結
第4章 基于結點集合結構的NS算法
4．1 Eclat及FP-growth算法的優缺點
4．2 結點集合結構(Node-set)
4．2．1 條件結點
4．2．2 結點拓撲序號
4．2．3 使用結點集合結構表示前綴樹
4．3 NS算法
4．3．1 映射前綴樹到結點集合結構
4．3．2 從結點集合結構中挖掘頻繁項集
4．3．3 一個例子
4．3．4 NS算法的原子操作
4．4 實驗三：NS算法與其他快速挖掘算法的性能對比
4．4．1 實驗結果
4．4．2 結果討論：NS算法的性能優勢
4．5 小結
第5章 用Patricia*結構挖掘頻繁項集
5．1 研究動機
5．2 Patricia*結構
5．2．1 單孩子結點
5．2．2 構造：Patricia*結構
5．3 用Patricia*結構挖掘頻繁項集
5．3．1 先前的挖掘流程
5．3．2 改進的挖掘流程
5．3．3 PatriciaMine*算法
5．4 實驗結果
5．4．1 結點數量統計
5．4．2 性能對比
5．5 小結
第6章 頻繁項集挖掘算法的內存耗費
6．1 BFP-growth算法內存使用情況分析
6．2 NS算法內存使用情況分析
6．3 實驗四：快速挖掘算法的內存耗費
6．4 SP算法
6．4．1 研究動機
6．4．2 基礎知識
6．4．3 挖掘頻繁項集
6．4．4 實驗結果與結論
第7章 高可用項集挖掘問題
7．1 從頻繁項集到高可用項集
7．2 問題的形式化定義
7．3 已有挖掘算法概述
第8章 非候選生成高可用項集挖掘算法
8．1 項集有用性列表結構
8．1．1 初始有用性列表
8．1．2 2-項集的有用性列表
8．1．3 缸項集有用性列表(k≥3)
8．2 HUI-Miner算法
8．2．1 剪枝策略
8．2．2 算法偽代碼
8．3 HUI-Miner算法的實現細節
8．3．1 有用性列表表頭
8．3．2 重新標注tid
8．3．3 交易權重有用性增加的順序
8．4 實驗五：HUI-Miner性能測試
8．4．1 實驗設置
8．4．2 HUI-Miner及對比算法的運行時間
8．4．3 HUI-Miner及對比算法的內存耗費
8．4．4 項處理順序對HUI-Miner性能的影響
8．4．5 可擴展性
8．4．6 實驗結果討論
8．5 小結
第9章 快速識別高可用項集
9．1 先前算法的性能瓶頸
9．2 基本識別算法(BIA)
9．3 基于候選樹的快速識別算法(FIA)
9．3．1 候選樹結構
9．3．2 快速識別算法
9．4 算法分析：BIA與FIA
9．5 實驗六：BIA與FIA的性能對比
9．5．1 高可用項集識別時間
9．5．2 候選項集生成時間
9．5．3 內存耗費
9．5．4 實驗結果分析
9．6 實驗七：FIA-UP-Growth+和HUI-Miner的性能對比
9．6．1 運行時間&內存耗費
9．6．2 實驗結果分析
9．7 小結
第10章 *大頻繁項集挖掘
10．1 介紹
10．2 基本概念
10．3 MAFIA算法
10．3．1 深度優先遍歷
10．3．2 搜索空間剪枝
10．3．3 有效的MFI超集檢查
10．4 挖掘非*大頻繁項集
10．4．1 挖掘所有的頻繁項集
10．4．2 挖掘所有的頻繁閉項集
10．5 實施細節
10．6 結論
第11章 頻繁閉項集挖掘
11．1 介紹
11．2 頻繁項集挖掘
11．2．1 基本定義
11．2．2 先前的解決方案
11．3 項集-記錄標識符集合搜索樹與等價類
11．4 CHARM算法設計與實現
11．4．1 快速的閉項集子集合檢查
11．4．2 使用差異集合快速進行頻繁計數
11．4．3 其他優化及正確性
11．5 實驗結果
11．6 結論
參考文獻
展開全部
書友推薦
- >
姑媽的寶刀
- >
【精裝繪本】畫給孩子的中國神話
- >
回憶愛瑪儂
- >
苦雨齋序跋文-周作人自編集
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
二體千字文
- >
名家帶你讀魯迅:朝花夕拾
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
本類暢銷
