

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、頻繁項集挖掘是數(shù)據(jù)挖掘領域中一個比較關鍵的問題。然而,從大型稠密數(shù)據(jù)集中挖掘頻繁項集存在三個主要的瓶頸問題:第一,算法的挖掘效率不是很高;第二,產生的頻繁項集的數(shù)量太多;第三,沒有采用合理的約束思想,不能有效的挖掘用戶興趣模式。本文針對這些問題,將研究重點放在頻繁項集挖掘算法上,其研究成果可廣泛應用于客戶購買行為模式預測、序列分析和軟件安全分析等領域。
首先,本文提出了基于投影數(shù)組的頻繁項集挖掘算法MFIPA?;诖怪焙退交?/p>
2、合數(shù)據(jù)格式,通過交集操作找到與單個頻繁項共同發(fā)生的項集,產生投影數(shù)組PArray;然后,通過單個頻繁項與其投影的非空子集合并及深度優(yōu)先搜索策略的使用,挖掘所有的頻繁項集。
其次,為了減少頻繁項集的數(shù)量,設計了一個新穎的頻繁閉項集挖掘算法 FCIL-Mine?;谕队皵?shù)組,首先提出了頻繁閉項集框架數(shù)據(jù)結構FCIL,該框架主要是用來存儲頻繁閉項集的一些信息。然后,通過哈希檢測和包含檢測剪枝策略的使用,進而挖掘所有的頻繁閉項集。
3、r> 最后,提出了一個基于加權FP-tree及長度遞減支持度約束的加權頻繁項集挖掘算法LWFI-Mine。該算法可以有效的挖掘滿足用戶興趣的項集。首先通過掃描數(shù)據(jù)庫,構造數(shù)據(jù)結構加權FP-tree。然后提出加權最小有效擴展性質WSVE及基于此性質的三種剪枝策略:事務剪枝、結點剪枝和路徑剪枝,縮小了FP-tree的搜索空間,進而挖掘所有滿足約束的頻繁項集。
本文使用 C++語言對上述算法進行實現(xiàn),采用稀疏的人工數(shù)據(jù)集T40I1
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于FP-Tree的頻繁項集挖掘算法研究.pdf
- 基于FP-Tree的最大頻繁項集挖掘算法研究.pdf
- 數(shù)據(jù)流中基于FP-Tree的頻繁項集挖掘算法研究.pdf
- 基于FP-tree最大頻繁模式超集挖掘算法.pdf
- 基于FP-Tree算法頻繁模式挖掘的選課系統(tǒng)設計與實現(xiàn).pdf
- 基于Hadoop的分布加權FP-tree算法的研究.pdf
- 基于FP-Tree的多層關聯(lián)規(guī)則挖掘算法研究.pdf
- 基于FP-tree的關聯(lián)規(guī)則挖掘算法的研究.pdf
- 基于FP-tree的多層關聯(lián)規(guī)則挖掘算法的研究.pdf
- 基于fp-tree關聯(lián)規(guī)則挖掘算法的研究與應用
- 基于FP-tree關聯(lián)規(guī)則挖掘算法的研究與應用.pdf
- 數(shù)據(jù)流中基于優(yōu)化的FP-tree的頻繁模式挖掘方法研究.pdf
- 基于AFOPT-tree的最大頻繁項集挖掘.pdf
- 基于FP-tree最小無冗余關聯(lián)規(guī)則挖掘.pdf
- 基于單向FP-樹的最大頻繁項集挖掘.pdf
- 基于矩陣的頻繁項集挖掘算法研究.pdf
- 最大頻繁項集和頻繁基項集挖掘算法研究.pdf
- 基于待與項集的頻繁項集挖掘算法的研究.pdf
- 頻繁閉項集挖掘算法研究.pdf
- 基于頻繁模式樹的最大頻繁項集挖掘算法研究.pdf
評論
0/150
提交評論