《表3 基于改进兴趣度的关联规则挖掘结果》
提示：宽带有限、当前游客访问压缩模式
算法比较结果显示，相对于使用传统的基于支持度和置信度的算法而言，基于改进改进兴趣度的关联规则得出的结果数量更少，船舶的关联性更紧密，可见算法的有效性。
| 图表编号 | XD0034652400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.01.20 |
| 作者 | 刘建树、李健维、刘霖 |
| 绘制单位 | 中国人民解放军海军工程大学、中国人民解放军海军工程大学、中国人民解放军海军工程大学 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 备件和材料清单：基于改进的K-means算法的关联规则数据挖掘研究》2021.01.01
- 《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8 流动度比试验结果：大型数据库中利用强化学习改进treap的关联规则挖掘算法》2021.01.05
- 《表4 正交试验结果：大型数据库中利用强化学习改进treap的关联规则挖掘算法》2021.01.05
- 《表3 河流渲染对照：大型数据库中利用强化学习改进treap的关联规则挖掘算法》2021.01.05
- 《表2 选课信息表结构：关联规则兴趣度挖掘在选课中的应用探讨》2019.06.20
- 《表1 选课信息表结构：关联规则兴趣度挖掘在选课中的应用探讨》2019.06.20
- 《表3 挖掘结果对比：无线城市社团发现的研究——在Spark上利用改进关联规则实现社团发现的算法》2019.09.01
- 《表3 矩阵DM1：改进的关联规则挖掘算法——MIFP-Apriori算法》2019.06.08
- 《表1 例事物集：基于改进兴趣度的船舶关联规则挖掘》2019.01.20
- 《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3 关联规则挖掘结果：基于故障挖掘的电能表失效分析研究》2019.12.10
- 《表2 挖掘部分结果：高校课程学习兴趣正负关联规则分析》2018.07.25
- 《表8 所有规则的自信度：基于改进多层次模糊关联规则的定量数据挖掘算法》2019.12.01
- 《表3 例子中的1级表示：基于改进多层次模糊关联规则的定量数据挖掘算法》2019.12.01
- 《表5 模糊隶属度计算：基于改进多层次模糊关联规则的定量数据挖掘算法》2019.12.01
- 《表1 实验结果对比表：对利用属性特性挖掘粒关联规则算法的改进》2018.09.25