Quantifying and Rejecting Outliers: The Grubbs Test
Central Tendency: Analysis
Weighted Mean
Unusual Results
Column Efficiency: Rate Theory
Heuristics
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Jing Chen1,2, Shengyi Yang3, Weiping Ding4
1School of Internet of Things, Nanjing University of Posts and Telecommunications, Nanjing, 210023, Jiangsu, China.
本文回顾了动态数据库的增量高平均效用项目集挖矿 (iHAUIM) 算法. 这些方法有效地更新高平均效用项目集,而无需重新处理整个数据集.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: