已閱讀1頁，還剩59頁未讀， 繼續(xù)免費(fèi)閱讀
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、頻繁模式是指數(shù)據(jù)集合中的項集、子序列或者子結(jié)構(gòu)，它們出現(xiàn)的頻繁度不少于用戶設(shè)置的閾值。頻繁模式在挖掘關(guān)聯(lián)規(guī)則、相關(guān)規(guī)則和數(shù)據(jù)間的其它有趣關(guān)系方面扮演著重要角色，此外它還可用于數(shù)據(jù)檢索、分類、聚類等其它挖掘任務(wù)。因此，頻繁模式挖掘是一項重要的數(shù)據(jù)挖掘任務(wù)，且已成為數(shù)據(jù)挖掘研究中的焦點(diǎn)課題。 本文對如何挖掘興趣頻繁模式及其在子空間聚類中的應(yīng)用進(jìn)行了研究。重點(diǎn)研究了以下兩個問題：LDS-閉包頻繁項集的垂直挖掘算法；如何使用LDS-頻繁
2、項集評估子空間的質(zhì)量。本文的研究成果及創(chuàng)新內(nèi)容主要包括以下幾個方面： [1]提出了LDS-閉包頻繁項集的垂直挖掘算法——LDS_CLOSED。 [2]提出了兩種新的搜索空間剪裁方法：無效前綴剪裁和基于SVE性質(zhì)的剪裁。 [3]試驗結(jié)果表明，LDS_CLOSED不僅能夠有效地控制頻繁模式的數(shù)量，而且運(yùn)行效率也遠(yuǎn)高于閉包頻繁模式挖掘算法。 [4]提出了一種適用于分類數(shù)據(jù)集的子空間質(zhì)量度量方法；其特點(diǎn)是無需用戶
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
- 基于頻繁偏愛度的使用模式挖掘系統(tǒng)的分析和設(shè)計.pdf
- 基因表達(dá)數(shù)據(jù)中高支持度頻繁閉合模式的挖掘.pdf
- 基于多支持度的負(fù)頻繁模式挖掘關(guān)鍵技術(shù)研究.pdf
- 基于同類項的多最小支持度和并行計算的頻繁模式挖掘研究.pdf
- 基于頻繁訪問模式樹的Web使用挖掘研究.pdf
- 頻繁子圖挖掘算法的研究.pdf
- 最大頻繁子圖挖掘算法研究.pdf
- 基于用戶瀏覽興趣的Web使用模式挖掘.pdf
- 頻繁模式挖掘算法研究.pdf
- 基于頻繁子圖挖掘的細(xì)胞器通信模式研究.pdf
- 基于FP-樹的頻繁模式和長模式挖掘.pdf
- 基于頻繁模式的Web使用挖掘技術(shù)及應(yīng)用研究.pdf
- 加權(quán)頻繁模式挖掘算法研究.pdf
- 頻繁子結(jié)構(gòu)挖掘算法研究與應(yīng)用.pdf
- 頻繁模式挖掘技術(shù)的研究.pdf
- 基于約簡頻繁模式樹的頻繁模式挖掘及查詢算法研究.pdf
- 數(shù)據(jù)流頻繁模式和分類挖掘算法研究.pdf
- 基于頻繁API使用模式挖掘的軟件缺陷定位方法研究.pdf
- 生物序列近似頻繁模式挖掘研究.pdf
- 圖數(shù)據(jù)頻繁模式并行挖掘研究.pdf
評論
0/150
提交評論