LCM公司

LCM:一种有效的频繁闭项集枚举算法。本文提出了三种算法LCM-freq、LCM和LCMmax,分别用于从事务数据库中挖掘所有频繁集、频繁闭项集和最大频繁集。主要的理论贡献是我们构造了仅由频繁闭项集组成的树型横向路径,这是由定义在频繁闭项集上的父子关系诱导的。通过以深度优先的方式遍历路径,LCM在多项式时间内找到每个项集的所有频繁闭项集,而不将先前获得的闭项集存储在内存中。此外,我们还介绍了几种利用输入数据的稀疏和密集结构的算法技术。从LCM作为其变种得到了所有频繁项集和最大频繁项集的枚举算法。通过在真实世界和合成数据库上的计算实验,我们发现我们的算法在具有自然分布的大型真实世界数据集(如KDD-cup2000数据集)和许多其他合成数据库上都具有快速的性能。


zbMATH中的参考文献(参考文献39条)

显示第1到第20个结果,共39个。
按年份排序(引用)
  1. 亚诺斯蒂克,拉德克;科内尼,一月;Krajča,Petr:FCA视角下的LCM:具有加速特性的CbO式算法(2022年)
  2. 福尼尔·维格,菲利普;杨鹏;基兰,愤怒的乌代;文图拉,塞巴斯蒂安;Luna,JoséMaría:在离散序列中挖掘局部周期模式(2021)
  3. 雷诺兹,大卫;Carvalho,Luis:二进制事务数据的潜在关联图推断(2021)
  4. 藤田、高弘;哈塔诺、高井;Takimoto,Eiji:推动非确定性ZDDs(2020)
  5. 李,太藤;松岛申;Yamanishi,Kenji:使用频繁项集挖掘的组合二元模型嫁接(2020)
  6. 福尼尔·维格,菲利普;李志天;林俊伟;基兰,愤怒的乌代;Fujita,Hamido:识别多序列中周期模式的有效算法(2019)
  7. 登祖米、淑黑;川原,六月;筑田、曲治;原村弘治;新一弥陀;Sadakane,Kunihiko:DenseZDD:集合家庭的紧凑和快速索引(2018)
  8. Benhamou,Belaïd:项目集挖掘中的局部和全局对称性破坏(2017)
  9. Dzuuba,弗拉基米尔;van Leeuwen,Matthijs;De Raedt,Luc:具有模式挖掘保证的灵活约束抽样(2017)
  10. 李瑶;刘灵巧;沈春华;范登亨格尔(van den Hengel),安东:《利用CNN深度激活挖掘中层视觉模式》(2017)
  11. 克雷斯佩尔,克里斯托夫;拉塔皮,马修;Phan,Thi Ha Duong:关于多部图上某些biclique算子的终止性(2015)
  12. 哈吉奇,费贾;海克,迈克尔;Tagarelli,Andrea:使用结构保持树数据库模式通过事务映射进行有序子树挖掘(2015)
  13. 拜克斯,焦姆;凯图,迈赫迪;那不勒斯,阿梅迪奥:用模式结构描述形式概念分析中的功能依赖(2014)
  14. 巴拉利斯,埃琳娜;卡格里罗,卢卡;瑟奎特利,塔尼亚;德埃莉亚,文琴佐;Garza,Paolo:表现性广义项集(2014)
  15. 费尔南多,巴苏拉;弗罗蒙特,埃莉萨;Tuytelaars,Tinne:为图像分类挖掘中层特征(2014)ioport公司
  16. 内格罗涅,本杰明;泰米尔,亚历山德拉;罗塞特,玛丽·克里斯汀;Méhaut,Jean François:\textscPara\textscMiner:多核架构的通用模式挖掘算法(2014)
  17. 后知后觉;中村,Atsuyoshi;Kudo,Mineichi:矩形贪婪覆盖的有效构造与应用效用(2014)ioport公司
  18. 斯皮罗普卢,埃里尼;德比,蒂吉尔;Boley,Mario:多关系数据中有趣的模式挖掘(2014)
  19. 萨玛利,拉兹洛;瓦尔切夫,佩特科;那不勒斯,阿梅迪奥;戈丁,罗伯特;中行,Alix;Makarenkov,Vladimir:挖掘生成器、封闭项集和计算等价类之间链接的快速复合算法(2014)
  20. 特罗伊亚诺,路易吉;Scibelli,Giacomo:一种用于发现稀有项集的时间有效的广度一级方格遍历算法(2014)