导读:本文包含了候选项论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模式,频度,频繁,用项,算法,中国科学院,脑科学。
候选项论文文献综述
茹蓓,贺新征[1]（2017）在《减少候选项集的数据流高效用项集挖掘算法》一文中研究指出大数据环境下高效用项集挖掘算法中过多的候选项集极大地降低了算法的时空效率,为此提出了一种减少候选项集的数据流高效用项集挖掘算法。通过数据流中当前窗口的一次扫描建立一个全局树,并降低全局树中头表入口与节点的冗余效用值。基于全局树生成候选模式,基于增长算法降低局部树的候选项集效用,从候选模式中选出高效用模式。基于真实数据流的实验结果表明,算法的时空效率与内存占用比均优于其他数据流的高效用模式挖掘算法。(本文来源于《计算机应用研究》期刊2017年11期）
王乐,冯林,王水[2]（2015）在《不产生候选项集的TOP-K高效用模式挖掘算法》一文中研究指出目前TOP-K高效用模式挖掘算法需要产生候选项集,特别是当数据集比较大或者数据集中包含较多长事务项集时,算法的时间和空间效率会受到更大的影响.针对此问题,通过将事务项集和项集效用信息有效地保存到树结构HUP-Tree,给出一个不需要候选项集的挖掘算法TOPKHUP;HUPTree树能保证从中计算到每个模式的效用值,不需要再扫描数据集来计算模式的效用值,从而使挖掘算法的时空效率得到较大的提高.采用7个典型数据集对算法的性能进行测试,实验结果证明TOPKHUP的时间和空间效率都优于已有算法,并对K值的变化保持平稳.(本文来源于《计算机研究与发展》期刊2015年02期）
韩天鹏,白玲玲,王浩[3]（2014）在《基于候选项集剪枝的Apriori算法的研究》一文中研究指出在大数据挖掘中使用经典Apriori算法时,会产生大量的候选集,并需要扫描数据库中所有数据,使得其在实现过程中效率大大降低。为了提高Apriori算法的应用效率,通过建立线性链表记录每个事务中的项数,以达到事务压缩的目的;设置up值来提高1-项频繁集组合的门槛,发现支持度比较大的2-项候选集,以达到剪枝的目的;通过实验来设置up的取值范围,使最终产生的频繁项集的误差能够在接受的范围。实验证明提出的改进方法可以在找出绝大部分关联规则的同时,提高算法运行的效率。(本文来源于《阜阳师范学院学报(自然科学版)》期刊2014年04期）
尹莉莉,郑诚,郑小波[4]（2011）在《时间约束序列模式的有效生成候选项的方法》一文中研究指出针对序列模式的几个经典的算法的缺点,提出了一种基于时间约束序列模式的快速产生候选项的方法(TFEGC)。此算法不但避免了频繁的扫描数据库,还考虑了时间限制因素,避免了无用的候选序列的产生,提高了算法运行的时间效率。(本文来源于《微型机与应用》期刊2011年10期）
方刚[5]（2010）在《无候选项的频繁邻近类别集挖掘算法》一文中研究指出针对现有的频繁邻近类别集挖掘算法因产生候选项而存在冗余计算,提出一种无候选项的频繁邻近类别集挖掘算法,其适合在海量数据中挖掘空间对象的频繁邻近类别集;该算法以交叉搜索方式,用产生邻近类别集非空真子集的方法来计算支持数,实现一次扫描数据库挖掘频繁邻近类别集。算法无需产生候选频繁邻近类别集,且计算支持数时无需重复扫描数据库,达到了提高挖掘效率的目的。实验结果表明其在海量空间数据中挖掘频繁邻近类别集时,该算法比现有算法更快速更有效。(本文来源于《计算机工程与应用》期刊2010年25期）
[6]（2008）在《“10项引领未来的科学技术”候选项》一文中研究指出1. 量子通信技术 点评：量子通信技术是量子力学与传统信息科学结合的产物。目前，主要利用光在微观世界中的量子特性，通过单个光子或纠缠光子传输“0”和“1”的数字信息来实现信息的高速传递，从理论上说可以传输超大容量的信息，且能够用于开发用传统(本文来源于《大众科技报》期刊2008-07-27）
[7]（2008）在《“10个影响中国的科技事件”候选项》一文中研究指出1. 制订新中国第一个科技规划点评：1956年，国务院制订了新中国第一个长期科技发展规划——《1956至1967年全国科学技术发展远景规划》。《规划》从13个方面提出了57项重大科学技术任务、616个中心问题，从中进一步综合提出了12个重点任务，(本文来源于《大众科技报》期刊2008-07-22）
[8]（2008）在《“10个公众关注的科技问题”候选项》一文中研究指出为纪念中国科协成立50周年而开展的“五个10”系列评选活动，包括10位传播科技的优秀人物、10部公众喜爱的科普作品、10个公众关注的科技问题、10个影响中国的科技事件、10项引领未来的科学技术。评选活动办公室在公众推荐、专家组审定的基础上，确定了每组30(本文来源于《大众科技报》期刊2008-07-20）
李重周,杨君锐[9]（2007）在《一种不产生候选项集的关联规则挖掘算法》一文中研究指出在对Apriori算法的特性进行详细的介绍和总结的基础上,提出一种新的不产生候选项集的,以及只进行少量数据库扫描的挖掘频繁项集的算法SI-tree(Supper-Item Tree),该算法通过搜索数据库和一次性地找出当前项的所有超集来查找频繁项集.最后通过实验对2种算法进行了比较.(本文来源于《重庆工学院学报(自然科学版)》期刊2007年06期）
周焕银,夏洪,葛远香,胡开明,魏雄[10]（2006）在《关联规则候选项支持频度的研究》一文中研究指出总结了支持频度的性质,提出了独立支持频度、固定项集频度守恒性与差值支持频度等相关定义与性质,这些性质真实再现了关联规则父子频度项集间的关系。在差值支持频度的引用,充分利用差值支持频度在关联规则挖掘中的重要性,使得算法能够更加精确的预测候选项集的支持频度,从而实现再次减少候选项集的数目的目的。(本文来源于《东华理工学院学报》期刊2006年03期）
候选项论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前TOP-K高效用模式挖掘算法需要产生候选项集,特别是当数据集比较大或者数据集中包含较多长事务项集时,算法的时间和空间效率会受到更大的影响.针对此问题,通过将事务项集和项集效用信息有效地保存到树结构HUP-Tree,给出一个不需要候选项集的挖掘算法TOPKHUP;HUPTree树能保证从中计算到每个模式的效用值,不需要再扫描数据集来计算模式的效用值,从而使挖掘算法的时空效率得到较大的提高.采用7个典型数据集对算法的性能进行测试,实验结果证明TOPKHUP的时间和空间效率都优于已有算法,并对K值的变化保持平稳.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
候选项论文参考文献
[1].茹蓓,贺新征.减少候选项集的数据流高效用项集挖掘算法[J].计算机应用研究.2017
[2].王乐,冯林,王水.不产生候选项集的TOP-K高效用模式挖掘算法[J].计算机研究与发展.2015
[3].韩天鹏,白玲玲,王浩.基于候选项集剪枝的Apriori算法的研究[J].阜阳师范学院学报(自然科学版).2014
[4].尹莉莉,郑诚,郑小波.时间约束序列模式的有效生成候选项的方法[J].微型机与应用.2011
[5].方刚.无候选项的频繁邻近类别集挖掘算法[J].计算机工程与应用.2010
[6]..“10项引领未来的科学技术”候选项[N].大众科技报.2008
[7]..“10个影响中国的科技事件”候选项[N].大众科技报.2008
[8]..“10个公众关注的科技问题”候选项[N].大众科技报.2008
[9].李重周,杨君锐.一种不产生候选项集的关联规则挖掘算法[J].重庆工学院学报(自然科学版).2007
[10].周焕银,夏洪,葛远香,胡开明,魏雄.关联规则候选项支持频度的研究[J].东华理工学院学报.2006
论文知识图
