由于序列模式挖掘需要花费大量计算时间,并需要占用大量存储空间。减少计算量、节省存储空间开销成为序列模式挖掘的关键。因PrefixSpan算法不产生候选,而适当应用Bitmap数据结构可避免重复扫描数据库,基于此,本文提出了BM-PrefixSpan算法,用于序列模式挖掘,设计并构造了PFPBM(PrefixofFirstPositiononBitMap)表用于记录序列中的每个项在位图中第1次出现的位置。实验结果表明,BM-PrefixSpan算法综合了PrefixSpan和SPAM算法的优点,能够更快、更
2022-03-11 03:16:32
752KB
1
一个模拟的数据库，从网上下载的，比文章讲述的例子数据量更大一些，而且我们需要对这个数据库进行一些处理才可以使用，可以从中挖掘频繁序列。用PrefixSpan算法，挖掘频繁序列
2021-09-10 10:26:53
373B
1
PrefixSpan算法用Python实现的代码，里面包含原始论文中提到的例子，来进行程序的验证。配合我的博客，可以更快的了解PrefixSpan算法。
2021-08-19 21:53:08
1KB
1
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。
2021-03-16 14:07:14
924KB
1
prefixspan算法的实现， python3的，是将https://download.csdn.net/download/u012202808/9961002稍微修改了下，混积分，谢谢
2019-12-21 20:44:50
3KB
1