關聯規(guī)則算法的研究及在海岸線分類中的應用.pdf_第1頁
已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、隨著遙感技術的發(fā)展,海洋數據爆炸式增長,利用計算機技術,尤其是數據挖掘技術分析數據已成為從海量數據中發(fā)掘有用信息的手段。作為海洋保護的重要課題之一,海岸線分類吸引了越來越多的研究者。如何從大規(guī)模海洋數據中找出海岸線的分類規(guī)則,成為亟待解決的問題。
   為了提高關聯規(guī)則算法處理海量數據時的效率,研究者提出了基于數組的關聯規(guī)則算法和基于分區(qū)的關聯規(guī)則算法?;跀到M的關聯規(guī)則算法將數據庫中的數據存放到內存中的二維數組中,將后續(xù)對數據

2、庫的掃描轉化為對內存中二維數組的掃描,此算法只需掃描一次數據庫,提高了算法的效率,但是面對海量數據的關聯規(guī)則挖掘,由于內存的限制,無法將數據庫上的整個數據集放入內存中的二維數組中,使得挖掘無法進行,分區(qū)算法很好的解決了此問題,此算法掃描數據庫三次,最終得到整個數據中的所有關聯規(guī)則。但是面對海量的數據挖掘,三次掃描數據庫嚴重影響了算法的效率。
   為了協(xié)調內存限制和掃描次數兩因素,本文改進了Apriori算法,并將其應用于海岸類

3、型識別,主要工作包括:
   (1)提出了一種基于一次掃描的分區(qū)Apriori算法。隨機抽取樣本放入到各個分區(qū),并采用基于數組的Apriori算法獲取每個分區(qū)上的關聯規(guī)則和關聯規(guī)則的分區(qū)支持度,然后根據最小分區(qū)支持度得到整個數據集上的近似關聯規(guī)則。實驗結果驗證了本文算法在處理海量數據方面的有效性。
   (2)將基于一次掃描的分區(qū)Apriori算法應用于海岸類型識別。根據基于數組分區(qū)的關聯規(guī)則算法,在基巖海岸、砂(礫)質

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。

評論

0/150

提交評論