版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、沈陽化工學(xué)院碩士學(xué)位論文通用時間約束序列模式挖掘方法研究姓名:李建華申請學(xué)位級別:碩士專業(yè):控制理論與控制工程指導(dǎo)教師:王曉峰20031231沈陽化工學(xué)院碩士學(xué)位10文Abstract摘要Sequentialpattem:miningistheprocessofdisct,’eringfrequentsequencesfromlargeamountsofdatastoredeitherindatabase,datawarehouses,
2、orotherinformationrepositoriesByimposingvariousrestrictionsonsequentialpatterns,morepracticalpatternscanbeminedSlidingwindow,maxgap,minga:、andmaxspanisreferredasuniversaltemporalconstraintssincethefourparameter:highlygen
3、eralizedifferenttemporalconstraintsInthispaperanewalgorithmrefendasMSPUispresentedtocopewithminingsequentialpatternswithuniversaltemporai:|=onstraIntsItunifiestherelatedminingalgorithmsoftemporalconstraintsequentialpatte
4、!ilsandCanminemoreprecisepatternsAllsequencesarediscoveredinonlyonedatabase、canBasedonequivalenceclassesthisalgorithmmakesuseofdivide—and—conquerstrateg?!畉odivideoriginalproblemintosmallersub—pmbtemswhichcanbeprocessedin
5、main—memoryindependentlyIneveryequivalenceclass,patternsgrowthroughthemethodsofGSlVGS2andFiIS22,whichsolvetheanti。monotonouspropertyproblemofsequencepatternswithmaxgapconstraintsIndetails,patternsgrowthprocessconsistsofs
6、tringjoin,gettingallsamesequenceidentitiesandtimeattributejoinCorrespondinglyApri、ripruning,pre—supportpmningandpost—supportpruningareintroducedintheabm。growthprocesstoremoveunfruitfulcandidatesThmestrategies,whicharebre
7、adth—firlrtsearch,depth—firstsearchandheuristicsearch,areputforwardforsearchingsequencesstaceBreaddi—firstsearchcanprunemostefficientlyanddepthfirstsearchisfittothe【listributedprocessingformininglargerdatabaseespeciallya
8、lthoughitcannotbringApriedpruningintofullplayHeuristicsearchutilizeseverypmning,whatismore,discoversmaxfrequentsequencepaftemsinadvanceandcutsdownthesequencesspacesimultaneousKeywords:datamining;sequencepatterns;aniversa
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 基于約束的序列模式挖掘方法研究.pdf
- 時間序列特征模式挖掘關(guān)鍵方法研究.pdf
- 時間序列特征模式挖掘研究.pdf
- 時間序列模式挖掘算法研究.pdf
- 應(yīng)用時間序列
- 時間序列數(shù)據(jù)挖掘方法研究.pdf
- 時間序列部分周期模式挖掘研究.pdf
- 金融時間序列隱含模式挖掘方法及其應(yīng)用研究.pdf
- 時間序列部分周期模式挖掘算法研究.pdf
- 周期間隙約束的序列模式挖掘研究.pdf
- 基于約束的序列模式挖掘算法的研究.pdf
- 時間序列數(shù)據(jù)流復(fù)雜模式挖掘研究.pdf
- 序列模式挖掘方法及Web使用挖掘研究.pdf
- 基于約束的序列模式挖掘及其應(yīng)用研究.pdf
- 基于金融時間序列的數(shù)據(jù)挖掘方法研究.pdf
- 時間序列數(shù)據(jù)挖掘研究.pdf
- 應(yīng)用時間序列分析習(xí)題答案
- 應(yīng)用時間序列分析模擬試題
- 移動對象序列模式挖掘方法研究.pdf
- 時間序列數(shù)據(jù)相似模式挖掘的研究與應(yīng)用.pdf
評論
0/150
提交評論