搜索资源列表
prefixspan的源代码c++
- 序列模式挖掘prefixspan算法源代码。License: GPL2 (Gnu General Public License Version 2) Requirements: C++ compiler with STL (Standard Template Library).-sequence Mining prefixspan algorithm source code. License : GPL (Gnu General Public License Version 2) Re
datamining01
- 序列模式的概念最早是由Agrawal和Srikant 提出的 序列模式定义：给定一个由不同序列组成的集合，其中，每个序列由不同的元素按顺序有序排列，每个元素由不同项目组成，同时给定一个用户指定的最小支持度阈值，序列模式挖掘就是找出所有的频繁子序列，即该子序列在序列集中的出现频率不低于用户指定的最小支持度阈值-sequential pattern is the earliest concept of Agrawal and Srikant from the sequential pattern
lw6
- 本人上传的是FP-GROWTH算法的数据挖掘中的关联规则与序列模式-I upload the FP-GROWTH algorithm Data Mining Association Rules and sequence mode
sequential-pattern-mining-algorithm-based-on-Prefi
- 数据挖掘领域一个活跃的研究分支就是序列模式的发现，上传一个prefixspan算法
WAPtree
- WAP树类似于FP-tree,是用于邻近序列模式的挖掘,可以作为相关算法改进的基础
gsp
- 基于候选产生 测试的序列模式挖掘算法，gsp使用序列模式的向下封闭性，采用多次扫描的候选产生测试方法。
gsp
- 序列模式分析算法GSP的实现 GSP是序列模式挖掘的一种算法。其主要描述如下： l 根据长度为i 的种子集Li 通过连接操作和剪切操作生成长度为i+1的候选序列模式Ci+1；然后扫描序列数据库，计算每个候选序列模式的支持数，产生长度为i+1的序列模式Li+1，并将Li+1作为新的种子集。 l 重复第二步，直到没有新的序列模式或新的候选序列模式产生为止。 l 扫描序列数据库，得到长度为1的序列模式L1，作为初始的种子集 L1&T
clospan
- 数据挖掘中的序列模式挖掘算法clospan的C++实现
gsp
- 数据挖掘中的gsp序列模式挖掘算法的介绍和java源代码。
ClusteringAlgorithmofWebClickFlowFrequencyattern.r
- ：用户在访问Web站点时会碰到很多问题，主要原因是Web站点对用户需求缺乏适应性。为了提高Web用户的服务质量和用户的满意度，在用户访问网站点击流形成频繁序列模式的基础上，提出基于距离函数的聚类分析以及基于时间相似度函数的二次聚类分析算法。该算法可以求取频繁序列的相关性和反映用户对网页的兴趣的相似度，对下一步改善Web站点的结构及存在形式使站点达到更好的效果起先导作用
PRISM.A.Prime.Encoding.Approach.for.Frequent.Seque
- PRISM算法是目前为止，速度最快的序列模式数据挖掘算法（串行）。本文发表在IEEE2007年的国际数据挖掘会议上。
PrefixSpanMiningequentalPatternsEfficientlybroject
- 序列模式挖掘 prefixspan的算法文档，非常经典，值得一看
MiningSequetialPatterns.pdf
- 一个经典的序列模式挖掘文档，用户行为模式挖掘的用户值得一看
Spam-1.3.3
- SPAM是现在最快找到全频繁序列模式的方法之一。这里是SPAM的源码。
FPGROWTH
- 基于改进FP-Tree的序列模式挖掘算法，已经调试通过
一种多尺度的时间序列相似模式匹配算法
- 提出一种多尺度的时间序列相似模式匹配算法．该算法用离散小波变换对时间序列进行多分辨分析，在多尺度上提取序列的形状特征．然后在不同的尺度上找出相似的序列和子序列模式．该算法可以匹配不同长度的序列，并能支持垂直平移变换和幅度伸缩变换．
svm-km.rar
- 支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。它广泛的应用于统计分类以及回归分析中. 支持向量机属于一般化线性分类器.他们也可以认为是提克洛夫规则化（Tikhonov Regularization）方法的一个特例.这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区
finance
- 针对金融时间序列分析中注重快速作出趋势判断的特点,利用数据挖掘的思想和工具,提出 一种金融时间序列模式快速发现算法. 与传统的预测算法相比较,该算法对数据的分布和平稳性等 方面的要求不高,不基于任何假设,能够非常快速地发现时间序列中的频繁模式,经过模式匹配后, 可以用于金融时间序列的分析与预测. 以实际汇率数据为例,证明了该算法的有效性-Financial time series analysis for rapid prediction of trend-oriented feat
Apriori--Algorithm
- 一种基于Apriori原理的算法的实现，它是序列模式挖掘中的经典算法-Apriori algorithm based on the realization of the principle, which is the classic sequential pattern mining algorithm
序列模式挖掘算法
- 序列模式挖掘算法序列模式挖掘算法序列模式挖掘算法