首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于Sketch的数据流频繁项集挖掘研究

摘要第1-4页
Abstract第4-7页
第一章 绪论第7-11页
   ·研究背景第7-8页
   ·研究现状第8-10页
     ·数据流特点第8-9页
     ·数据流研究现状第9-10页
   ·本文主要工作和结构第10-11页
第二章 相关研究分析第11-19页
   ·数据流中频繁项挖掘的关键问题第11-13页
     ·数据处理模型第11页
     ·压缩的数据结构第11-12页
     ·计算高效的一遍扫描第12页
     ·概念漂移第12页
     ·自适应性第12-13页
     ·项集计算第13页
   ·数据流频繁项集挖掘技术第13-16页
     ·基于采样的方法第13-14页
     ·基于哈希的方法第14-15页
     ·基于计数的方法第15-16页
   ·Sketch 在数据流中的研究现状第16-18页
     ·Sketch 数据结构第16-17页
     ·数据流中 Sketch 的研究现状第17-18页
   ·本章小结第18-19页
第三章 Sketch性能优化第19-34页
   ·基于 Sketch 的算法分析第19-21页
     ·Count-Min Sketch第19-20页
     ·Sketch 性能分析第20-21页
   ·Sketch 性能优化技术第21-28页
     ·饱和解决方案第21-24页
     ·准确率提高技术第24-25页
     ·删除操作扩展技术第25-28页
   ·ECM 概要数据结构第28-33页
     ·ECM 构造第28-29页
     ·ECM 性能分析第29-32页
     ·实验对比第32-33页
   ·本章小结第33-34页
第四章 基于 ECM 的不确定数据流频繁项集挖掘第34-53页
   ·不确定数据频繁项集挖掘第34-40页
     ·不确定数据流模型第34-37页
     ·不确定数据频繁项集挖掘问题描述第37-39页
     ·基于树结构不确定数据流频繁项集挖掘算法第39-40页
   ·UF-ECM 不确定数据流频繁项挖掘算法第40-47页
     ·UF-ECM 算法框架第40-44页
     ·不确定数据预处理第44-45页
     ·UF-ECM 算法描述第45-47页
   ·实验与对比分析第47-51页
   ·本章小结第51-53页
第五章 总结与展望第53-55页
   ·总结第53页
   ·展望第53-55页
致谢第55-57页
参考文献第57-61页
研究成果第61-62页

论文共62页,点击 下载论文
上一篇:基于LDA的人脸图像分析
下一篇:虚拟教室系统的设计与实现