《表4 频繁2项集L2：一种改进的关联规则挖掘算法研究》
提示：宽带有限、当前游客访问压缩模式
通过L1自连接产生候选2项集C2，候选集中的计数直接统计Tid-list的交集中事务的个数，不需要重新扫描事务数据库D，删除不满足最小支持度阈值的项，得到频繁2项集L2如表4所示.
| 图表编号 | XD0020706500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2018.06.20 |
| 作者 | 刘林东、齐德昱 |
| 绘制单位 | 华南理工大学计算机系统研究所、广东第二师范学院计算机科学系、华南理工大学计算机系统研究所 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 检查统计表：基于改进的K-means算法的关联规则数据挖掘研究》2021.01.01
- 《表2 因素水平表：基于改进的K-means算法的关联规则数据挖掘研究》2021.01.01
- 《表5 回归结果：基于改进的K-means算法的关联规则数据挖掘研究》2021.01.01
- 《表2 二项集隶属度：基于模糊关联规则的教育大数据挖掘研究》2020.11.05
- 《表2 维内1-项集统计：快速挖掘最大频繁项集算法在图书馆管理中的应用》2020.06.01
- 《表2 压缩位：基于BTA算法的数据流频繁项集挖掘》2020.08.16
- 《表4 频繁3-项集：基于二分法的改进Apriori关联算法研究》2020.08.20
- 《表3 频繁1-项集：基于二分法的改进Apriori关联算法研究》2020.08.20
- 《表1 客户交易记录：基于频繁项集挖掘的零售医药企业药品关联研究》2019.12.01
- 《表3 部分挖掘结果示例：基于频繁项集挖掘的零售医药企业药品关联研究》2019.12.01
- 《表5 频繁项集L2：基于Apriori算法的电厂辅助服务考核数据分析与应用》2019.09.21
- 《表2 频繁项集C1：基于Spark机器学习实现医疗保险关联频繁模式的欺诈行为挖掘技术探讨》2019.05.15
- 《表4 矩阵DM2：改进的关联规则挖掘算法——MIFP-Apriori算法》2019.06.08
- 《表4 三项集关联规则挖掘》2019.09.01
- 《表2 频繁项集：基于关联规则的乌鲁木齐道路交通事故分析》2019.06.01
- 《表2 项目矩阵PM1：滑动窗口中FP-Tree的频繁项集挖掘算法的研究》2019.01.01
- 《表1 事务数据流：滑动窗口中FP-Tree的频繁项集挖掘算法的研究》2019.01.01
- 《表3 频繁1项集L1：一种改进的关联规则挖掘算法研究》2018.06.20
- 《表2 事务集：一种改进的关联规则挖掘算法研究》2018.06.20
- 《表4 频繁项集：基于Apriori数据挖掘算法的信息推荐图书管理系统设计》2019.12.01