2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩104頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、在今天的信息社會中,人們已經(jīng)擁有了大量的數(shù)據(jù),迫切需要將這些數(shù)據(jù)轉(zhuǎn)化為有用的信息和知識。在這樣的背景下,數(shù)據(jù)挖掘這門新興學(xué)科受到廣泛的關(guān)注。數(shù)據(jù)挖掘是在大量的數(shù)據(jù)中尋找知識,其中,序列模式和結(jié)構(gòu)化模式的挖掘是一個重要的數(shù)據(jù)挖掘問題,有著廣泛的應(yīng)用。 在序列模式的挖掘中,最為重要、最有影響力的算法包括GSP 算法和PrefixSpan算法。這些算法都是挖掘頻繁序列模式的全集,當序列模式的數(shù)量很大時,挖掘序列模式的全集不僅效率很低,

2、而且效果也不好,因為要存儲和理解這么多的序列模式是不現(xiàn)實的。解決這個問題的一種途徑就是不再去挖掘序列模式的全集,而是只挖掘它的一個精簡集。精簡集保留了頻繁序列模式的總體信息,但序列模式的數(shù)目大為減少,有助于用戶理解挖掘結(jié)果,也有助于提高挖掘算法的效率。 精簡的頻繁序列模式基就是這樣一種精簡集,它是頻繁序列模式全集的一個特殊子集,能用它來估計不在其中的序列模式的支持度,而且誤差能保證在用戶指定的誤差上限內(nèi)。有兩種構(gòu)造精簡的頻繁序列

3、模式基的方法:第一種方法逐級檢查所有的頻繁序列模式,當一個頻繁序列模式不能被它在精簡基中的子模式估計支持度時,它才被加到精簡基中;第二種方法用相對于一系列支持度閾值的最大序列模式構(gòu)造精簡的頻繁序列模式基。在采用這種方法的算法中,給出了如何判斷最大序列模式的方法,還設(shè)計了一些搜索空間剪枝技術(shù),提前剪掉那些不可能生成最大序列模式的分支來加速挖掘過程。 壓縮頻繁序列模式集是針對頻繁序列模式的全集太大這個問題的另一種解決方法。為了得到高

4、質(zhì)量的壓縮效果,先對頻繁序列模式聚簇,再從每個簇中挑選出有代表性的序列模式,使這些有代表性的序列模式的數(shù)目盡可能地少。一個貪婪算法和一個基于候選集的快速算法是壓縮頻繁序列模式集的有效算法。有代表性的序列模式集合也是頻繁序列模式的一種精簡集,實驗結(jié)果表明它能取得很好的壓縮效果。 樹模式的挖掘比序列模式的挖掘更為困難,因為在樹模式的挖掘中,子樹的組合方式太多。而精簡的頻繁子樹基由相對于一系列支持度閾值的最大頻繁子樹組成,它是頻繁子樹

5、的一個精簡集,可以用它來估計任一頻繁子樹的支持度,并能將誤差控制在確定范圍內(nèi)。一個算法能用來從帶標號的有根有序樹的數(shù)據(jù)庫中挖掘子樹精簡基,這個算法經(jīng)過簡單的擴展后也能用來挖掘有根無序樹。該算法采用最右擴展的方式系統(tǒng)地生成頻繁子樹,采用的剪枝技術(shù)能減小搜索空間,合理安排的計算次序能提高計算的效率。 數(shù)據(jù)庫中的頻繁模式可以用于建立數(shù)據(jù)庫索引?;跇淠J降臄?shù)據(jù)庫索引首先挖掘頻繁子樹,并從中挑選出有判別力的子樹作為索引屬性,然后將索引屬

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)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(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。

評論

0/150

提交評論