随笔分类 -  Paper1

论文记录
摘要：2019-4-24 论文进行的四个模块： 模块一：编码方面 使用较为容易实现方式，并且可以将其应用于真实数据集； 之前的编码方式在用户的属性和阈值较大时，其通信代价太大，希望能够降低； 我们目前能够想到的是二进制编码，和哈达玛编码， 但是需要理论依据证明这种编码方式通信代价低，或者做位或运算可以加快 阅读全文
posted @ 2019-04-24 17:16 彩色的梦 阅读(208) 评论(0) 推荐(0)
论文总结(negFIN: An efficient algorithm for fast mining frequent itemsets)
摘要：一、论文整体思路： 作者提出了一种基于前缀树的数据结构，NegNodeset，其实是对之前前缀树的一种改进，主要区别在于采用了位图编码，通过这种数据结构产生的算法称为negFIN。 negFIN算法高效有三个原因 二、问题定义 I= {i1,i2,…, init} 表示事务数据库所有项的集合，T表示 阅读全文
posted @ 2019-04-15 15:56 彩色的梦 阅读(593) 评论(0) 推荐(0)
论文总结(Frequent Itemsets Mining With Differential Privacy Over Large-Scale Data)
摘要：一、论文目标：将差分隐私和频繁项集挖掘结合，主要针对大规模数据。 二、论文的整体思路： 1）预处理阶段： 对于大的数据集，进行采样得到采样数据集并计算频繁项集，估计样本数据集最大长度限制，然后再缩小源数据集；(根据最小的support值，频繁项集之外的项集从源数据集移除) 我们利用字符串匹配去剪切数 阅读全文
posted @ 2019-04-15 11:33 彩色的梦 阅读(457) 评论(0) 推荐(0)
频繁项集挖掘思路
摘要：常见的频繁项集挖掘算法有：Apriori、FP-Tree、Eclat。 阅读全文
posted @ 2019-04-08 18:34 彩色的梦 阅读(264) 评论(0) 推荐(0)
频繁项集算法
摘要：基础知识： 支持度：单个项占总项集的百分比，比如薯片的支持度=4/5*100%=80%，可乐的支持度=3/5*100%=60%。 置信度：薯片=>羽毛球的置信度=3/4*100%=75%，可乐=>羽毛球的置信度=3/3*100%=100%。 一、Apriori算法 假设minsupport=0.2， 阅读全文
posted @ 2019-04-02 16:24 彩色的梦 阅读(6198) 评论(0) 推荐(1)
运算符&
摘要：python中&运算符先将整数转化为其的二进制，对两个二进制进行计算，最后再转化为整数。 5&3计算过程为 0101(2)&0011(2)=0001(2)=1 知道你要结婚了，我真的很祝福你，我这几年经历了很多，过得很不好，我也只会选择默默关注着你，从来不去打扰，真的希望你每一天开心，被人所爱，除了 阅读全文
posted @ 2019-02-28 09:42 彩色的梦 阅读(237) 评论(0) 推荐(0)