煤炭行业发展趋势

频繁关闭项目集的集合比所有频繁项目集的集合小得多。 同时，它保持完整性。 在本文中，我们提出了一种基于ITBitree的算法，称为ITBitreeFCIM（ITBitree频繁关闭项目集挖掘器），用于直接挖掘频繁关闭项目集。 定义了一种称为ITBitree（Itemset Tidset二叉树）的新颖结构来存储事务和项集信息。 通过使用自上而下的策略从该树中深入搜索每一层中的右节点以及它们各自的搜索空间中的右节点，可以直接生成频繁的封闭项集。 对于相邻层中具有相同支撑的项目或具有相同Tid的项目，我们使用项目合并技术来修剪搜索空间。 搜索的空间用于避免生成重复项和进行大量的关闭检查。 在此过程中，我们不需要检查候选项目集是否已关闭，因此节省了大量时间。 实验证明了该方法的有效性。

以前的大多数顺序模式挖掘算法都花了很长时间处理投影数据库，这会导致大量的时间成本。 本文定义了序列x在其前缀序列y上的前缀序列的概念，并提出了一种基于前缀分析的序列模式挖掘算法PPrefixspan。 根据扫描序列数据库SD，获得所有1个长度的序列模式。 比较顺序模式的数量和最小支持数，如果前者小于后者，则将其直接丢弃，并且只能构建投影数据库中的频繁项。 减少了投影数据库中挖掘顺序模式的执行时间。 提出了一种基于前缀的增量前缀范围算法PIN-Prefixspan来处理动态数据库，利用原始序列数据库的频繁模式挖掘结果来提高更新序列数据库的挖掘效率。 实验结果表明，PIN-Prefixspan的时间成本效率更高。

智能 矿山 挖矿，自动驾驶 矿卡 的发展状况

summer2winter_yosemite.rar

资源中包含书中代码、数据集和运行结果pdf文档

IS31FL3193_DS-1949526.pdf

GeekBrains_Data_Mining

Ethminer-for-macOS：适用于macOS的以太坊GPU Miner

In this paper, we propose a global and local tensor factorization (GLTF) to solve the multi-criteria recommendation problem. It leverages additional criterion-specific ratings in addition to existing user-item rating data for better recommendation. Moreover, it can jointly learn a global predictive model and multiple local predictive models, not only can discover the overall structure of the entire rating tensor, but also capture diverse rating behaviors of users in individual sub-tensors...The