1) alternative sets
选项集数量
1.
Result shows that there is a correlation between successive times of candidate appearance and search numbers,and the mediate effects of alternative sets.
本文运用实验室实验的方法研究发现,当选项集数量较少且选项值连续升高的情境下,决策者倾向于较少的搜索数量;而当选项集数量较少且选项值连续降低的情境下,决策者倾向于较多的搜索数量。
2) The number of clothing options
备选项目数量
3) candidate items
候选项集
1.
In the process of mining frequent patterns,Apriori algorithm generates a huge number of candidate itemsets as well as needs multiple scans over database.
关联规则挖掘算法Apriori算法在挖掘频繁模式时需要产生大量的候选项集,多次扫描数据库,时空复杂度过高。
2.
In the process of association rules mining,the main factor of influencing the mining efficiency is that a large number of candidate items are came into being.
关联规则挖掘过程中,大量候选项集的产生成为影响挖掘效率提高的一个主要因素。
4) Candidate Itemsets
候选项集
1.
Mining frequent itemsets is a key issue in data mining applications,if an algorithm uses Apriori-like candidate itemsets generating-testing approach,the generation process is usually costly.
为寻求避免生成大量候选项集或生成频繁模式树的挖掘算法,提出一种从事务项集交集求最大频繁项集的迭代算法DIIP(Datasets Iteration and Intersection Pruning Algorithm),通过不断缩减事务集数据量和尽可能早地对项目集进行修剪实现最大频繁项集的挖掘,该算法有别于已有的最大频繁项集经典算法,实验表明该算法有效可行。
2.
Discovering maximal frequent itemset is a key issue in data mining;to look for an algorithm that can avoid the generating of vast volume of candidate itemsets,or the generating of frequent pattern tree,an intersection pruning algorithm(IPA) is proposed to find the maximum frequent sets for itemset of all properties from the maximum frequent itemset for transaction itemset.
发现最大频繁项目集是数据挖掘应用中的关键问题;为寻求避免生成大量的候选项集,或生成频繁模式树的挖掘算法,提出一种从事务项集对应的最大频繁项集求全部属性项集的最大频繁项集的新算法IPA(Intersection Pruning Algorithm)。
3.
For each iteration,the dataset is scanned twice to find all candidate itemsets whose support count≥1 and part of the maximum frequent itemsets.
发现最大频繁项目集是数据挖掘应用中的关键问题;提出一种新的基于事务集迭代的求最大频繁项集算法,该算法在每次迭代时,通过对输入事务集的两次扫描,生成所有阶数的候选项集和频繁项集;每次迭代后又生成新的事务集作为下一次迭代的输入,而候选最大频繁项集集合则随着迭代不断地趋于完整。
5) candidate itemsets tree
候选项集树
补充资料：备选
1.候选。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条