.png){kind=icon}
返回
MHEIClosed: An Efficient Algorithm for Mining Closed High-Efficiency Itemsets
.png){kind=icon}
PRE
AI
DOI：10.1007/978-981-95-4960-3_28.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效项集挖掘（HEIM）是一种新兴的基于效用的挖掘扩展，考虑了效用和投资，解决了高效用项集挖掘（HUIM）的关键局限性。然而，现有的HEIM方法通常产生大型且冗余的结果集，使解释和后续分析复杂化。为此，我们提出了闭高效项集挖掘（CHEIM），专注于提取简洁且非冗余的模式，同时保留基本的效用和投资信息。本文介绍了MHEIClosed，一种用于高效挖掘闭高效项集的新型算法。MHEIClosed整合了闭项集和HEIM方法中的先进技术，包括基于更紧上界（ssef和slef）的剪枝策略、事务合并和高效的闭包检查。在多个真实数据集上的广泛实验表明，MHEIClosed在运行时间和内存消耗方面显著优于当前最先进的HEPMClosed算法，特别是在密集或大规模数据集上。这些结果验证了MHEIClosed的可扩展性和有效性，使其非常适合实际数据挖掘应用。
Keyword:
High-efficiency itemset
closed pattern mining
pruning strategies
期刊
M
机构
引用论文
.png){kind=icon}
分享收藏An efficient strategy for mining high-efficiency itemsets in quantitative databases一种高效的定量数据库项目集挖掘策略
PREAI
分享收藏
查看更多内容