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

基于位置信息的精简频繁模式挖掘算法的研究

摘要第1-6页
Abstract第6-10页
第1章 绪论第10-16页
   ·数据流挖掘技术第10-12页
     ·数据流挖掘的研究背景及意义第10-11页
     ·数据流挖掘的任务第11-12页
   ·数据流中频繁项集挖掘技术第12-14页
     ·国内外研究现状第12-14页
     ·存在的问题及任务第14页
   ·课题研究内容第14-15页
   ·本文的结构安排第15-16页
第2章 数据流中经典频繁项集挖掘算法的分析第16-24页
   ·数据流及其挖掘的特点第16-17页
   ·数据流频繁项集挖掘的关键问题第17-19页
     ·数据处理模型第17-18页
     ·单遍扫描算法第18页
     ·高效挖掘算法第18页
     ·概要数据结构第18-19页
   ·数据流中经典频繁项集挖掘算法的分析第19-23页
     ·Sticky Sampling 算法第20页
     ·Lossy Counting 算法第20-21页
     ·FP-Stream 算法第21-23页
   ·本章小结第23-24页
第3章 数据流中基于位向量的最大频繁项集挖掘算法的研究第24-38页
   ·引言第24页
   ·经典最大频繁项集挖掘算法的分析第24-26页
   ·最大频繁项集挖掘算法及更新算法的设计第26-34页
     ·问题定义与描述第26-27页
     ·滑动窗口模型的设计第27-28页
     ·1-项集位向量的生成第28-29页
     ·数据结构FI-BV-Tree 的设计第29-31页
     ·最大频繁项集挖掘算法MMFI-BV 设计第31-32页
     ·更新算法UMMFI-BV 设计第32-34页
   ·应用实例与性能分析第34-37页
     ·应用实例第34-37页
     ·性能分析第37页
   ·本章小结第37-38页
第4章 基于位置信息的最长序列模式挖掘算法研究第38-48页
   ·引言第38-39页
   ·经典序列模式挖掘算法的分析第39-40页
   ·最长序列模式挖掘算法的设计第40-45页
     ·问题定义与描述第40-41页
     ·位置信息表的设计第41-42页
     ·最长序列模式挖掘算法PMLS 设计第42-45页
   ·应用实例与性能分析第45-47页
     ·应用实例第45-47页
     ·性能分析第47页
   ·本章小结第47-48页
第5章 算法实现与实验分析第48-54页
   ·数据集的来源第48-49页
   ·MMFI-BV 和DSM-MFI 算法实验第49-51页
     ·环境及数据集的设置第49页
     ·实验结果分析第49-51页
   ·PMLS 算法和PrefixSpan 算法实验第51-53页
     ·环境及数据集的设置第51-52页
     ·实验结果分析第52-53页
   ·本章小结第53-54页
结论第54-56页
参考文献第56-61页

论文共61页,点击 下载论文
上一篇:应用于基因表达数据的双聚类算法的研究
下一篇:面向软件安全故障的特征模式挖掘方法研究