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(bào)或認(rèn)領(lǐng)
文檔簡介
1、頻繁模式挖掘是一類基本的數(shù)據(jù)挖掘問題,可以廣泛應(yīng)用于關(guān)聯(lián)規(guī)則分析、相關(guān)性分析、孤立點(diǎn)分析、分類和聚類等多種數(shù)據(jù)挖掘任務(wù),是一個(gè)具有重要理論意義和廣闊應(yīng)用前景的課題。本文對頻繁模式挖掘問題進(jìn)行了深入研究和探索,主要內(nèi)容如下: 1.對頻繁序列挖掘問題進(jìn)行深入研究,探討典型的挖掘算法-GSP、SPADE、SPAM、PrefixSpan,在此基礎(chǔ)上,應(yīng)用新的擴(kuò)展策略,提出了一種全新的、高效的頻繁序列挖掘算法-FINDER。該算法采用深度
2、優(yōu)先策略枚舉搜索空間,使用垂直位圖與水平位圖向量格式表示項(xiàng)集、事務(wù)數(shù)據(jù)庫、序列,摒棄了以往算法所采用的復(fù)雜的散列技術(shù)和數(shù)據(jù)庫的多遍掃描。FINDER算法采用頻繁項(xiàng)集序列擴(kuò)展策略,最大限度地減少非頻繁擴(kuò)展。最后采用權(quán)威數(shù)據(jù)集生成程序生成測試數(shù)據(jù)集,驗(yàn)證算法的正確性與有效性。新算法FINDER的效率雖然沒有SPAM高,但是,效率接近于SPAM,與其他典型的算法相比,效率提高約3~5倍。 2.對FINDER算法進(jìn)行改進(jìn),采取格理論對枚
3、舉空間進(jìn)行劃分,設(shè)計(jì)并行序列挖掘算法pFINDER。pFINDER繼承了FINDER的特性,仍然沒有采用散列技術(shù),具有較好的局部性特征。pFINDER采取中間數(shù)據(jù)的劃分技術(shù),減少了遠(yuǎn)程數(shù)據(jù)的同步與數(shù)據(jù)傳輸。因此,pFINDER算法具有良好的可伸縮性。 3.結(jié)合加權(quán)頻繁序列挖掘問題,改進(jìn)FINDER,設(shè)計(jì)交互式加權(quán)頻繁序列挖掘算法。該算法采取項(xiàng)重命名機(jī)制,把加權(quán)項(xiàng)轉(zhuǎn)化為平凡項(xiàng),使之適合于有效的頻繁序列挖掘算法,簡化了加權(quán)序列挖掘問
4、題,特別適合于交互式挖掘。該算法對于實(shí)際應(yīng)用特別有效。 4.頻繁模式挖掘是一項(xiàng)十分復(fù)雜的I/O密集型和計(jì)算密集型的挖掘任務(wù),搜索空間的剪枝是有效提高效率的手段。通過對頻繁模式挖掘算法搜索空間的深入研究,在認(rèn)真分析現(xiàn)有剪枝策略的基礎(chǔ)上提出新的搜索空間剪枝策略SEP和IEP。同時(shí)證明了相關(guān)的定理與推論,保證了兩種剪枝策略的理論正確性。 5.對典型的頻繁模式挖掘算法進(jìn)行分析,應(yīng)用新的剪枝策略SEP與IEP,對文獻(xiàn)資料上普遍認(rèn)為
5、比較高效的SPAM、SPADE、MAFIA、CHARM等頻繁模式挖掘算法進(jìn)行改進(jìn),形成新的頻繁序列挖掘算法或頻繁項(xiàng)集挖掘算法SPAM+、SPADE+、MAFIA+、CHARM+,結(jié)合公認(rèn)的測試數(shù)據(jù)集或測試集生成程序,對各算法進(jìn)行實(shí)驗(yàn),并進(jìn)行對比分析,以驗(yàn)證剪枝策略的正確性與有效性。實(shí)驗(yàn)表明,利用剪枝策略SEP、IEP改進(jìn)后的算法SPAM+、SPADE+、MAFIA+、CHARM+分別比原來的算法效率提高最多達(dá)10倍,對大數(shù)據(jù)集,效率的提
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(shí)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
- 頻繁子樹挖掘及其剪枝策略研究.pdf
- 頻繁模式挖掘算法研究.pdf
- 用于挖掘頻繁項(xiàng)集的剪枝策略(NTEP).pdf
- 加權(quán)頻繁模式挖掘算法研究.pdf
- 流數(shù)據(jù)頻繁模式挖掘算法研究.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)流頻繁模式挖掘算法研究與設(shè)計(jì).pdf
- Web日志頻繁序列模式挖掘算法研究.pdf
- 基于大步回退剪枝最大頻繁模式挖掘的入侵檢測系統(tǒng)研究.pdf
- 基于Hadoop的頻繁模式挖掘算法研究.pdf
- 基于頻繁模式樹的最大頻繁項(xiàng)目集挖掘算法研究.pdf
- 基于陣列的頻繁模式挖掘算法研究.pdf
- 基于WEB日志挖掘的頻繁模式挖掘算法研究.pdf
- 數(shù)據(jù)流的頻繁模式挖掘算法研究.pdf
- 數(shù)據(jù)流閉頻繁模式挖掘算法研究.pdf
- 基于頻繁模式樹的最大頻繁項(xiàng)集挖掘算法研究.pdf
- 基于頻繁模式的數(shù)據(jù)挖掘算法分析與改進(jìn).pdf
- 基于元素增長搜索策略的頻繁閉模式挖掘算法的研究與實(shí)現(xiàn).pdf
- 基于頻繁模式挖掘的網(wǎng)站優(yōu)化策略研究.pdf
- 頻繁模式挖掘算法LPS-Miner及其并行模式研究.pdf
評論
0/150
提交評論