新算法

关联规则挖掘的新算法研究

关联规则挖掘一直是数据挖掘中重要的内容之一。提出了DPCFP-growth算法，它是基于MSApirori算法，并采用了CFP-growth分而治之的策略，以弥补原算法的不足。与CFP-growth算法相比，DPCFP-growth算法有效地将大数据库分解为多个小的子数据库，从而提高了算法的运行效率。实验结果表明，DPCFP-growth算法在大型数据挖掘中具有优越性。

数据挖掘 3 2024-07-17

数据挖掘中的新聚类算法 LSNCCP算法详解

在数据挖掘、模式识别等多个领域，聚类算法扮演着重要角色。LSNCCP算法是一种基于最大不相含核心点集的新型聚类方法。它基于密度定义，通过考察核心点之间的距离关系，定义了相含、相交、相离等三种核心点之间的关系。算法的关键在于找出一个最大不相含核心点集，从而进行高效的数据聚类，并提出了解决丢失点问题的快速方法。实验表明，LSNCCP算法不仅有效地缩短了核心点搜索时间，而且在理论和实际应用中都显示出了优越性。

数据挖掘 0 2024-09-14

ml-1m：协作排名新算法：PrimalCR和PrimalCR ++

PrimalCR和PrimalCR ++算法可以在大规模数据集上进行协作排名，并且具有近似线性时间复杂度。代码下载论文已被KDD'17大会接受口头陈述（8.5%接受率），于2017年8月13日至17日在哈利法克斯作了口头报告。引用方式：Wu，Liwei，谢祖瑞和James Sharpnack。“近似线性时间的大型协作排名。”第23届ACM SIGKDD国际知识发现和数据挖掘会议论文集。 ACM，2017年。示例数据“MovieLens1m.csv”格式为：“用户ID，电影ID，等级”。

数据挖掘 6 2024-05-01

CP分解方法简介基于通货紧缩的新迭代算法

建议阅读以下研究论文：Alex P. da Silva、Pierre Comon和Andŕe LF de Almeida提出的一种新的基于通货紧缩的迭代算法，用于实现完整的CP张量分解，仅依赖一级近似值。该方法在Matlab开发环境下实现。

Matlab 0 2024-09-30

基于非线性相关的数据挖掘新算法* (2007年)

现有的关联规则挖掘算法专注于频繁集搜索，在设定支持度和置信度时存在较大偶然性，不利于精确控制；同时未能全面反映数据整体的相关性。为了克服这些问题，引入了非线性相关的概念，用于各种类型规则的挖掘，无需人工设定参数，显著提升了规则发现的效果。

数据挖掘 2 2024-07-15

基于新角度的高效边界点检测算法 (2008年)

针对当前数据挖掘中边界点检测效率低、参数阈值难以确定的问题，提出了一种名为BORAL的全新边界点检测算法。该算法基于参数阈值，利用边界点的半径s邻域中的向量夹角特征进行检测，确保在夹角邻域内不含其他点。实验证明，BORAL算法能够高效准确地检测边界点，且在角度阈值从40°变化至57°时，边界聚类效果稳定。

数据挖掘 2 2024-07-16

研究论文-一种自然聚类发现的新算法.pdf

当前的聚类方法如K-means和DBSCAN采用全局参数，难以准确发现数据的自然聚类结构。新提出的分级聚类算法CluFNC通过调整网格大小、噪声阈值和神经节点数量，能够在数据空间中精确识别内部聚类特征。该算法首先根据参数划分数据空间网格，然后利用高斯影响函数计算每个单元的场强，接着运用SOM算法对网格位置和场强进行聚类，最后通过Chameleon算法对SOM聚类得到的神经网络节点权值进行最终的数据空间聚类映射。理论和实验结果表明，该算法能有效发现数据中的自然聚类特性。

数据挖掘 2 2024-07-31

一种高效挖掘最大频繁模式的新算法(2006年)

挖掘最大频繁模式是多种数据挖掘应用中的关键问题。提出一种新算法，利用前缀树压缩数据存储，并通过深度优先策略直接在前缀树上进行挖掘，避免了条件模式树的创建，大幅提升了挖掘效率。该算法调整节点信息和节点链，采用高效的策略处理数据集，以应对大规模数据挖掘的需求。

数据挖掘 0 2024-08-31

PostgreSQL 10.0 新特性

功能升级 性能优化 安全可靠性增强 应用开发支持 迁移注意事项

PostgreSQL 4 2024-04-30

CarbonData 1.3.0 新特性

CarbonData 是一款高性能数据存储格式，已在众多企业生产环境中部署，支持万亿级数据规模。 CarbonData 融合了多种数据存储方案，实现一份数据同时支持多种应用场景。通过多级索引、字典编码、预聚合、动态分区、准实时数据查询、列存等特性，提升了 I/O 扫描和计算性能，即使是百亿级数据也可以实现秒级响应。

Hadoop 4 2024-05-23