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114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(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)據(jù)挖掘(Data Mining,簡稱DM)也叫數(shù)據(jù)庫中的知識發(fā)現(xiàn)(Knowledge Discovery in Databases,簡稱KDD),是指從大型的數(shù)據(jù)庫中發(fā)現(xiàn)潛在的、新穎的、有價值的、可用的、能被用戶理解的模式和信息的過程.關聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘的一個重要的研究領域,主要是發(fā)現(xiàn)數(shù)據(jù)庫中屬性之間的關聯(lián)關系.該文在廣泛查閱國內(nèi)外文獻的基礎上,針對關聯(lián)規(guī)則挖掘算法的若干問題進行了深入地研究和分析,論文取得的主要成果和創(chuàng)新點如下:

2、1、針對目前關聯(lián)規(guī)則挖掘研究缺乏理論基礎的問題,將數(shù)學中的格論和形式概念分析等理論引入關聯(lián)規(guī)則挖掘研究中,有效地描述了關聯(lián)規(guī)則挖掘的問題空間,并提出了基于形式概念分析理論的關聯(lián)規(guī)則挖掘的一系列定義和性質(zhì).2、針對傳統(tǒng)的頻繁項集挖掘方法中存在的生成大量候選集、多次遍歷數(shù)據(jù)庫計算項集支持度等問題,該文以圖論為基礎提出了基于有向項集圖的頻繁項集挖掘算法.算法將原始數(shù)據(jù)庫中的信息保存在有向項集圖中,將數(shù)據(jù)庫中的頻繁項集發(fā)現(xiàn)問題轉(zhuǎn)化為有向項集圖中

3、的搜索問題并保證了問題解的完整性.3、該文針對數(shù)據(jù)庫中的最大頻繁項集挖掘問題進行了分析和研究,該文提出了基于有向項集圖的最大頻繁項集挖掘算法.算法利用深度優(yōu)先的搜索方法,通過計算候選項集的頻繁擴展集可以有效地約減問題的搜索空間,提高了算法的效率.4、該文針對數(shù)據(jù)庫中的頻繁閉項集挖掘問題進行了分析和研究,提出了基于有向項集圖的頻繁閉項集挖掘算法.算法利用深度優(yōu)先的搜索方法,利用頻繁閉種子集的性質(zhì)對搜索空間進行剪枝,可以有效地生成所有的頻繁

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(nèi)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(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。
  • 6. 下載文件中如有侵權或不適當內(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