注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 频繁子图挖掘

  2. 频繁子图挖掘的说明

  3. 所属分类：其它

    • 发布日期：2007-11-02
    • 文件大小：20kb
    • 提供者：cj461025897

  1. 频繁子图挖掘算法gaston

  2. 用于频繁子图的挖掘算法，目前效率基本是高于gindex的两倍

  3. 所属分类：C/C++

    • 发布日期：2012-03-30
    • 文件大小：60kb
    • 提供者：crafet2

  1. 频繁子图Chemical_340 数据集

  2. 频繁子图Chemical_340 数据集，相关程序参考http://blog.csdn.net/coolypf/article/details/8263176

  3. 所属分类：专业指导

    • 发布日期：2014-10-09
    • 文件大小：166kb
    • 提供者：yyl8781697

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：220kb
    • 提供者：huangyueranbbc

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：Java

    • 发布日期：2017-04-08
    • 文件大小：220kb
    • 提供者：q6115759

  1. 四级数据库重难点(word版)

  2. 第1章 引言 1. 数据是描述现实世界事物的符号记录，是用物理符号记录下来的可以识别的信息。 数据是信息的符号表示，是载体；信息是数据的语义解释，是内涵。 2. 数据模型是对现实世界数据特征的抽象，是数据库系统的形式框架，用来描述数据的一组概念和定义，包括描述数据、数据联系、数据操作、数据语义以及数据一致性的概念工具。 满足三条件：比较真实地模拟现实世界；易于人们理解；易于计算机实现 三个组成要素：数据结构（静态，数据对象本身结构及之间的联系）、数据操作（对数据对象操作及操作规则的集合）和完整

  3. 所属分类：其它

    • 发布日期：2009-01-21
    • 文件大小：137kb
    • 提供者：courage0603

  1. 基于最大频繁子图挖掘

  2. 基于最大频繁子图挖掘的软件忽视条件缺陷定位方法研究

  3. 所属分类：其它

    • 发布日期：2018-04-24
    • 文件大小：2mb
    • 提供者：anitachiu_2

  1. 关联规则挖掘之频繁子图发现

  2. 关联规则挖掘算法可以挖掘出频繁项集。如果项集元素之间有顺序，则可以形成一个图的结构，关联规则挖掘依旧可以挖掘出频繁子图，在数据挖掘领域非常有用。本资源是频繁子图挖掘的一个C++实现。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-06-21
    • 文件大小：1mb
    • 提供者：u011579720

  1. gspan频繁子图挖掘算法

  2. gspan频繁子图挖掘算法，中文版论文，最流行的频繁子图挖掘算法

  3. 所属分类：算法与数据结构

    • 发布日期：2018-08-05
    • 文件大小：408kb
    • 提供者：xinan131

  1. 基于独立成分的加权高阶脑网络的分类方法

  2. 为了解决传统的磁共振成像数据分类方法正确率较低的问题,提出了一种基于独立成分分析的高阶功能连接网络,使用加权图的频繁子图挖掘和判别性特征选择进行分类研究的方法。该方法不需要依赖先验的脑图谱模板,充分考虑了扫描时间内的时变特性,且将频繁子图挖掘应用到了加权图上。同时为了更准确地找到具有判别性的子图特征,也提出了几种新的判别性特征选择方法。结果发现基于独立成分的加权高阶脑网络的静息态功能磁共振成像分类方法有效地提高了阿尔兹海默症诊断的正确率。

  3. 所属分类：其它

    • 发布日期：2020-04-20
    • 文件大小：413kb
    • 提供者：weixin_38727062

  1. (extended version )gSpan GraphBased Substructure Pattern Mining _01184038.pdf

  2. 韩家炜提出的gspan算法，用于挖掘图数据的频繁子图。网络上的解释一开始没有看懂，热搜的几个网站总是漏掉了很重要的几个定义，因此理解起来不是太容易。如果有时间，可以读读这篇文章，然后找下他的源码实现下。

  3. 所属分类：其它

  1. FSMBUS ：一种基于 Spark 的大规模频繁子图挖掘算法

  2. 随着社交网络用户数的快速增加 ， 大规模单图上频繁子图挖掘的需求越来越强烈 ．单机算法对大规模图的运行效率较低 ， 难以支撑支持度较低的频繁子图的挖掘 ； 现有的分布式环境下单图的频繁子图挖掘算法不支持子图增长模式的挖掘 ， 它们所使用的 Hadoop 框架也不适合运行迭代式算法 ． 提出了一种基于 Spark 的大规模单图频繁子图挖掘算法 FSMBUS ， 通过次优树构建并行计算的候选子图 ，在给定最小支持度时挖掘出所有的频繁子图 ， 并利用非频繁检测和搜索顺序选择实现优化 ， 还设计了一种名

  3. 所属分类：其它