您的位置: 专家智库 > >

刘永彬

作品数:4 被引量:28H指数:3
供职机构:广西大学计算机与电子信息学院更多>>
发文基金:广西壮族自治区自然科学基金广西大学科研基金国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 3篇期刊文章
  • 1篇学位论文

领域

  • 4篇自动化与计算...

主题

  • 3篇数据挖掘
  • 3篇关联规则
  • 1篇遥感
  • 1篇遥感图像
  • 1篇隐含层
  • 1篇神经网
  • 1篇神经网络
  • 1篇数据库
  • 1篇图像
  • 1篇频繁模式挖掘
  • 1篇频繁模式挖掘...
  • 1篇网络
  • 1篇模式挖掘算法
  • 1篇空间数据
  • 1篇空间数据挖掘
  • 1篇关联规则分析
  • 1篇关联规则挖掘
  • 1篇关联规则挖掘...
  • 1篇规则挖掘算法
  • 1篇APRIOR...

机构

  • 4篇广西大学
  • 1篇广西民族大学
  • 1篇广西气象减灾...

作者

  • 4篇刘永彬
  • 2篇杨吟冬
  • 2篇秦亮曦
  • 1篇苏永秀
  • 1篇梁碧珍
  • 1篇王永卿
  • 1篇周永权

传媒

  • 1篇计算机研究与...
  • 1篇现代计算机
  • 1篇微计算机信息

年份

  • 1篇2008
  • 2篇2007
  • 1篇2006
4 条 记 录,以下是 1-4
排序方式:
基于压缩FP-树和数组技术的频繁模式挖掘算法被引量:21
2008年
FP-growth算法是目前较高效的频繁模式挖掘算法之一.它只需扫描数据库两次,而且不需要产生和测试候选集,避免了这些费时的工作,因此该算法具有较高的效率.然而,FP-growth算法需要递归地生成大量的条件FP-树,这耗费了大量的存储空间和时间.综合已有的几项优势技术,提出了一种频繁模式挖掘算法CFPmine.一是采用了基于压缩FP-树的约束子树的挖掘方法,避免在挖掘过程中生成条件FP-树,减少内存占用;二是采用基于数组的技术,减少FP-树的遍历时间,提高算法的效率.另外,在算法中还实现了统一的内存管理.实验结果表明,CFPmine是一个高效的频繁模式挖掘算法,其性能优于Apriori,Eclat和FP-growth算法,而需要的内存却少于FP-growth算法.
秦亮曦苏永秀刘永彬梁碧珍
关键词:数据挖掘关联规则
BP神经网络用于藻类生长预测的改进
2006年
针对传统的BP神经网络应用于藻类生长预测时,往往出现训练时间较长、输出数据精度低等问题。本文提出了在含有两层隐含层的BP神经网络结构中,对于数量一定的神经元,若神经元在隐含层分配合理,则BP神经网络可以达到减少训练次数并且能满足问题精度的要求。应用实例表明,该方法对预测藻类生长显得非常有效。
杨吟冬周永权刘永彬
关键词:BP神经网络隐含层
基于Apriori和位集合的关联规则应用被引量:4
2007年
采用Apriori性质和位集合的技术进行海量遥感图像数据的挖掘,该算法只扫描一次事务数据库。节省了MBSA算法中的位集合的逻辑"与"操作,提高了效率,尤其针对海量的遥感图像数据。并将该算法应用到遥感图像关联规则挖掘中。
刘永彬秦亮曦王永卿杨吟冬
关键词:数据挖掘遥感图像关联规则
关联规则分析及其在空间数据挖掘中的应用研究
今天,我们已被各种数据所淹没。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程,是当今数据库研究、开发和应用最活跃的分支之一。关联规则作...
刘永彬
关键词:数据挖掘数据库关联规则挖掘算法空间数据
文献传递
共1页<1>
聚类工具0