《表2 MASRSUA算法在全省人口数据集尺度上推部分的实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《多尺度混合算法在智慧能源需求数据挖掘中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文基于平均支持度估计误差、F1-measure、覆盖率和运行时间4个方面实现分析。通过测试结果表示，MASRSUA算法覆盖率与F1-measure的值比较高，表示MASRSUA算法的假负项集、假正项集的比重比较小，能够通过下层尺度数据集得到上层尺度数据集大部分频繁项集与关联规则[15]。算法平均支持度估计误差比较低，利用Pumsb和T10I4D100K两个数据集分析，两者都在2%以下。表示算法在估计频繁项集支持度方面具有良好的表现。通过对比图表示，利用下层尺度数据集所挖掘的结果推导上层尺度数据集隐含层关联规则运行效率比直接利用Apriori算法的挖掘目标尺度数据集关联规则运行效率高，能够提高90%的效率[16]。