数据挖掘中关联挖掘算法比较典型的有Apriori和FP-growth算法．实验和研究证明FP-growth算法优于Apriori算法．但是针对大型数据库这两种算法都存在着较大缺陷，不仅要两次或多次扫描数据库，而且很难处理支持度和数据变化等关联规则更新问题．作者提出了基于模式矩阵的FP-growth改进算法，它至多扫描数据库一次，特别在更新问题上不用重新扫描数据库．通过实验结果分析，验证了这种改进算法相对于原有FP-growth算法的优势，特别在大数据集下，大大降低了挖掘的时间复杂度。

FP-Growth算法原代码

FP-growth算法在python中的实现，代码亲测可用，如果有 类似：'ascii' codec can't decode byte 0xe8 in position 0 的报错，请修改fpgrowth.py中的CreatFPtree中的下面两种： orderedItem = [v[0] for v in sorted(localD.iteritems(), key=lambda p:(p[1], -ord(p[0])), reverse=True)] # orderedItem = [v[0] for v in sorted(localD.iteritems(), key=lambda p:(p[1], int(p[0])), reverse=True)]

matlab生长代码树枝状晶体生长 该存储库包含 Kobayashi 在“树枝状晶体生长的建模和数值模拟”中提出的各向同性和各向异性树枝状晶体生长的 MATLAB 实现 编写了一个代码来解决两个方程 - 一个是温度演化，一个是小林论文中给出的相场演化。 已经使用了温度方程的显式方法和相场模拟的显式时间推进方案。 由于我正在求解各向同性增长，因此我使用相场方程的各向同性版本。

个人封装的轮播图，跑马灯，模态框，tab，下拉列表功能

相场法(Phase field method) 是以Ginzburg-Landau理论为物理基础，通过微分方程来体现具有特定物理机制的扩散、有序化势和热力学驱动的综合作用，通过计算机编程求解上述方程，从而获取研究体系在时间和空间上的瞬时状态。相场法是一门交叉学科的衍生物，它需要研究者具备材料科学、数学和物理学、计算机编程学等基本知识。 利用相场模拟枝晶生长matlab代码

基于《机器学习实战》中FP-Growth的代码修改形成的频繁项集挖掘函数FP_Growth（），可显示各频繁项集的支持度；同时，还包括关联规则发现函数findRules（）。

MATLAB 中的相场代码，用于求解 Fan & Chen 为晶粒生长现象开发的二维相场模型（具有 10 个不同晶粒取向的 10 个阶参数的模型）。

关联分析：FP-Growth算法

主要用于大数据关联性挖掘，基于Python环境