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

基于关联规则的并行优化算法研究

摘要第5-6页
Abstract第6页
第1章 绪论第9-15页
    1.1 课题的研究背景及意义第9-11页
        1.1.1 课题的背景第9-10页
        1.1.2 课题的意义第10-11页
    1.2 国内外研究现状第11-12页
        1.2.1 串行关联规则挖掘算法的研究现状第11页
        1.2.2 并行关联规则挖掘算法的研究现状第11-12页
    1.3 主要研究内容和预期研究成果第12-13页
    1.4 本文的组织结构第13-15页
第2章 数据挖掘中的关联规则第15-25页
    2.1 关联规则的基本概念与挖掘过程第15-16页
    2.2 关联规则的主要研究方向及其算法第16-19页
        2.2.1 串行关联规则及其常用算法第16-17页
        2.2.2 并行关联规则及其常用算法第17-19页
    2.3 基于水平数据格式的FP-growth算法第19-21页
        2.3.1 FP-growth算法的基本思想第19-21页
        2.3.2 FP-growth算法的分析第21页
    2.4 基于垂直数据格式挖掘频繁项集第21-23页
        2.4.1 垂直数据格式挖掘频繁项集的过程第21-22页
        2.4.2 垂直数据格式挖掘频繁项集的分析第22-23页
    2.5 本章小结第23-25页
第3章 基于共享内存的方式并行挖掘关联规则第25-43页
    3.1 并行计算结构第25-26页
        3.1.1 多核处理器架构第25-26页
        3.1.2 基于多核处理器架构的并行挖掘第26页
    3.2 基于水平和垂直结合的并行关联规则优化算法ShaFEM第26-30页
        3.2.1 ShaFEM算法的基本思想及挖掘过程第27-29页
        3.2.2 ShaFEM算法的基本数据结构第29-30页
    3.3 ShaFEM算法的全局结构XFP-tree的生成第30-34页
        3.3.1 挖掘频繁项第30-31页
        3.3.2 构造局部FP-tree树第31-33页
        3.3.3 构造全局XFP-tree树第33-34页
    3.4 基于ShaFEM算法的频繁模式的产生第34-41页
        3.4.1 基于数据集特征的并行频繁模式挖掘第34-39页
        3.4.2 基于水平和垂直挖掘策略的动态切换第39-41页
    3.5 本章小结第41-43页
第4章 实验及结果分析第43-59页
    4.1 实验数据集第43页
    4.2 实验平台及环境第43-44页
    4.3 实验结果及分析第44-57页
        4.3.1 实验一:ShaFEM和FP-array的并行挖掘对比实验第45-47页
        4.3.2 实验二:ShaFEM的并行和串行对比实验第47-48页
        4.3.3 实验三:ShaFEM和FP-array基于内存使用的对比实验第48-50页
        4.3.4 实验四:基于串行的ShaFEM算法的挖掘分析第50-52页
        4.3.5 ShaFEM算法的挖掘效果评估第52-56页
        4.3.6 ShaFEM算法复杂度分析第56-57页
    4.4 本章小结第57-59页
结论第59-61页
参考文献第61-67页
攻读硕士学位期间发表的论文和取得的科研成果第67-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:基于标签的WEB图像自动标注方法研究
下一篇:基于Hadoop的超像素分割算法