1)Fp-growth频繁模式增长
1.Based on FP-Tree,presents an improved FP-Growth algorithm,which can find the closed frequent connected subgraph from the model of unique labeled directed connected graph set.文中针对唯一标识的有向连通图模型,基于频繁模式树结构,改进了频繁模式增长算法挖掘频繁连通闭合子图。
英文短句/例句
1.A Frequent Pattern Tree Growth Algorithm Based on Improved Projection一种基于映射方法的改进频繁模式增长算法
2.Incremental and Decremental Maintenance of Frequent Patterns in Dynamic Databases;动态数据库中频繁模式的增减量维护
3.An Algorithm for Mining Connected Closed Frequent Subgraphs Based on FP-Tree基于频繁模式树的频繁连通闭图集挖掘算法
4.Find Interesting Frequent Patterns and Subspaces Using Length-Decreasing Support;使用长度递减支持度挖掘兴趣频繁模式和子空间
5.MINING ALGORITHM OF XML MAXIMAL FREQUENT QUERY PATTERN BASED ON FREQUENT LEAF PATTERN基于频繁叶模式的XML最大频繁查询模式挖掘算法
6.Research of Mining Frequent Patterns and Classification on Data Straems;数据流频繁模式和分类挖掘算法研究
7.Frequent Sequence Pattern Mining in Web Log;Web日志频繁序列模式挖掘的研究
8.Research on Algorithm for Mining Frequent Patterns of Data Streams;数据流频繁模式挖掘算法研究与设计
9.Research on Algorithms for Mining top-K Frequent Patterns over Data Streams数据流top-K频繁模式挖掘算法研究
10.Research on Mining Closed Frequent Pattern in Data Streams数据流闭合频繁模式挖掘算法的研究
11.Mining Frequent Co-location patterns from Uncertain Data.Journal of Frontiers of Computer Science and Technology,2009从不确定数据集中挖掘频繁Co-location模式
12.Mining the Frequent Patterns in Recent Time Window over Data Streams挖掘数据流最近时间窗口内频繁模式
13.Improved Frequent Pattern Mining Algorithm Based on Apriori基于Apriori的改进的频繁模式挖掘算法
14.TWCT-Stream:Algorithm for mining frequent patterns in data streamsTWCT-Stream:数据流上的频繁模式挖掘算法
15.A mining algorithm for frequent patterns based on EMFP-tree基于EMFP-树的频繁模式挖掘算法
16.Fast Algorithm for mining constrained maximal frequent patterns一种约束最大频繁模式快速挖掘算法
17.Algorithm research on mining frequent fluctuating Web access pattern挖掘频繁波动的Web访问模式算法研究
18.An Algorithm of Mining Frequent Itemsets Based on Bloom Filter一种基于Bloom Filter的频繁模式挖掘算法
相关短句/例句
Frequent-pattern growth频繁增长模式
1.In this paper, we try to use FP-tree (Frequent-pattern growth) in process mining, and through such method we can solve some process mi.本文提出利用FP-tree(频繁增长模式)方法挖掘过程模型,使之能够有效地解决含有噪音数据的过程挖掘问题。
3)FP-Growth algorithm频繁模式增长算法
4)frequent patterns频繁模式
1.Weighted frequent patterns mining algorithm based on global graph traversals;基于全局图遍历的加权频繁模式挖掘算法
2.Classification of protein sequences based on frequent patterns;基于频繁模式的蛋白质序列分类
3.Algorithm of frequent patterns mining based on FS-tree;基于FS-tree的频繁模式挖掘算法
5)frequent pattern频繁模式
1.Fast discovering frequent patterns in financial time series data based on data mining;基于数据挖掘的金融时序频繁模式的快速发现
2.Fast mining frequent patterns in semi-structured data stream;半结构化文档数据流的快速频繁模式挖掘
3.A pattern growth algorithm for frequent patterns mining;一种基于模式增长的频繁模式挖掘算法
6)breeding growing modes(BGM)增长模繁殖
延伸阅读
国税总局局长解读税收增长与GDP增长差距因素 2005年，中国税收收入达到30866亿元(不包括关税和农业税收)，比上年增长20%，而GDP增长9.8%左右。国家税务总局局长谢旭人在1月17日举行的新闻发布会上分析指出，差距的原因有四个方面。 谢旭人指出，第一，两者的统计口径不同，税收是按照现价计算征收的，而现在公布的GDP增长率9.8%，是按照不变价或者叫可比价核算的。据有关部门预测，2005年按照可比价统计的GDP增长是9.8%，如果考虑价格因素，GDP现价增幅预计在13%%26#8212;14%之间，与税收增幅的差距就大大缩小了。 第二，GDP的结构与税收结构之间的差异。税收主要来源于第二产业和第三产业，如果GDP当中把第一产业的增加值去掉，二、三产业增加值要大大高于前面讲过的总的GDP现价的增长。特别是作为中国的最主要的税种%26#8212;%26#8212;增值税，大体要占全部税收收入的一半左右，增值税对应的税基就是工业商业的增加值。 据有关统计资料的测算，去年前11个月，全国规模以上工业增加值按照可比价计算已经增了16.4%，如果考虑工业品出厂价格因素，折算为全国的工业现价增加值，应该是19%左右。相应的，去年国内增值税增长19.8%，基本同步。 谢旭人说，把前面三个数字连贯起来看就清楚了，总的GDP按照可比价计算增长9.8%，如果加上价格因素同口径比较就是增长13%%26#8212;14%，其中第二产业中的工业增加值现价增长约19%左右，而税收一半是来自于这块税基，工业增值税与工业增加值增长比较接近。营业税也是一个主体税种，各个品目的营业税增长对应与税源增长也是基本相协调的。还有去年企业所得税增长相对也比较快一点。 第三，外贸进出口对经济增长的作用，与对税收增长的作用影响是不一样的。GDP核算是外贸进出口净值，也就是说进口是作减项的，出口是做增项的，所以进口数量越多，对于GDP减去的数字就越多。但是，进口在税收上，只要发生进口了，那就会有税收收入，而出口退税不从税收收入中扣除，是财政单独做退库处理。因此，对于总体的税收出口退税没有影响，这样一来，外贸进口增加了，进口环节的税收也增加了，这也是税收收入增长会快于GDP增长的一个因素。 第四，征管因素的影响。去年进一步大力推进依法治税，加强税收征收管理，加大税务稽查的力度，进一步优化纳税服务，这也促进了税收收入的增长。
