导读:本文包含了最大频繁模式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:频繁,模式,数据挖掘,规则,阈值,项目,结点。
最大频繁模式论文文献综述
王利军,唐立[1]（2019）在《基于有序FP-tree结构和二维表的最大频繁模式挖掘算法》一文中研究指出Order Table FPMax是基于有序FP-tree结构和二维表的最大频繁模式挖掘算法.有序FP-tree结构可以减少空间的浪费.基于树结构的有序性,算法在挖掘数据时可以减少挖掘事务项的数量,加快挖掘效率.算法采用二维表存储挖据事务项的路径信息及交集,采用相应的计算方法可以在不产生条件子树的情况下快速得到最大频繁项集,并避免没必要的挖掘过程减少超集检测,既减少了空间的浪费,又加快了执行效率.(本文来源于《韶关学院学报》期刊2019年09期）
王利军[2]（2019）在《最大频繁模式挖掘算法的改进》一文中研究指出DFP-growth-Max算法是一种基于DFP-tree方法和DFP-数组的最大频繁模式挖掘算法.DFP-tree是一种创建树结构的方法,它可以提高创建树结构的效率;利用DFP-数组可以快速获得事务项对应的条件模式基的频繁项集和支持度计数,快速生成最大频繁模式和创建条件子树,从而提高挖掘效率.实验验证了算法的优越性.(本文来源于《韶关学院学报》期刊2019年03期）
赵群礼,郭玉堂,史君华[3]（2018）在《基于改进频繁模式树的最大频繁项目集更新挖掘算法》一文中研究指出在挖掘最大频繁项目集的过程中,通过改变最小支持度阈值可以挖掘更有用的最大频繁项目集,为此提出了一种最大频繁项目集更新挖掘算法UAMMFI(Updating Algorithm for Mining Maximal Frequent Itemsets)。算法基于改进后的频繁模式树结构,在更新挖掘过程中,不需产生候选项目集和条件模式树,并且充分利用先前已挖掘的最大频繁项目集中包含的信息,快速更新挖掘出最小支持度阈值变化后的最大频繁项目集。实验结果表明,算法能够高效更新挖掘最大频繁项目集。(本文来源于《井冈山大学学报(自然科学版)》期刊2018年04期）
李良强,徐华林,袁华,邵培基[4]（2016）在《基于最大频繁模式的在线评论标签抽取》一文中研究指出随着电子商务的蓬勃发展,日益增加的海量在线评论数据影响了在线消费者获取有用信息的效率。本文提出了一种从海量在线评论数据中自动抽取评论标签的文本处理技术。该方法综合了语法搭配(词性搭配)和最大频繁模式,从海量的在线评论数据自动抽取出用户对该产品/服务的主要评论内容。实验表明基于词性搭配的最大频繁模式的过滤技术能灵活有效地从在线评论中抽取核心的用户评论。并且,该方法在不同的数据集和不同方法的比较中都表现出较好的抽取效果。(本文来源于《信息系统学报》期刊2016年01期）
尹治华[5]（2016）在《基于频繁模式树的最大频繁项目集挖掘算法研究》一文中研究指出随着互联网技术的快速发展,数据挖掘领域受到了越来越多的关注。关联规则一直是该领域的研究热点,主要是为了发现数据之间的关联以及有趣的模式。挖掘最大频繁项目集作为关联规则的一个重要的研究内容,它不仅已经涵盖了所有的频繁项目集,而且某些数据挖掘应用仅需挖掘最大频繁项目集,因此挖掘最大频繁项目集意义重大。本文从叁方面对最大频繁项目集挖掘算法进行研究,分别是对候选项目集降维的研究,超集检测方法的研究以及增量式更新算法的研究。首先,为了解决算法DMFIA(Discover Maximum Frequent Itemsets Algorithm)中初始候选项目集维数较高且挖掘较短最大频繁项目集效率低下的问题,提出了一种改进的基于频繁模式树FP-Tree(Frequent Pattern Tree)的最大频繁项目集挖掘算法FP-EMFIA(Algorithm for Efficiently Mining Maximum Frequent Itemsets Based on FP-Tree)。该算法采用自上而下和自下而上的双向搜索策略,并对条件模式基中项目的计数特点进行了分析,将一定包含或一定不包含在最大频繁项目集中的项目进行过滤,从而降低候选项目集的初始值维数。并利用挖掘出的较短的非频繁项目集对候选项目集进行剪枝,从而提高算法的效率。其次,为了解决最大频繁项目集挖掘算法中超集检测次数过多的问题,提出了一种基于索引链表的超集检测算法IL-SC(Superset Checking Algorithm Based on Index List)。该算法采用索引链表的存储结构,使得最大频繁项目集的存储变得有序化,减少不必要的超集检测操作,从而提高超集检测的效率。最后,在FP-EMFIA的基础上,提出了一种增量式更新算法FP-EUMFIA(Update Maximum Frequent Itemsets Algorithm Based on FP-EMFIA),以便高效利用之前挖掘出的结果。这样,能够大幅度降低初始候选项目集的维数,整体上提高算法的执行效率。(本文来源于《燕山大学》期刊2016-05-01）
宁慧,王素红,崔立刚,郭笑语,徐丽[6]（2016）在《基于改进的FP-tree最大频繁模式挖掘算法》一文中研究指出针对FP-growth算法时空效率低的问题,提出了改进的FP-tree构造算法。该算法利用动态结点插入技术构造FP-tree,能有效减小模式树的宽度,达到压缩空间的目的;同时,该算法提高了前缀路径的共享性,提高了算法的效率。针对密集型数据的频繁模式完全集难以挖掘的问题,文中提出了IFPmax最大频繁模式挖掘算法,在改进的IFP-tree结构的基础上,利用结点的秩进行预判断,充分利用最大频繁模式的性质对已经存在的结点进行标记,有效避免了节点的冗余遍历,提高了最大频繁模式挖掘算法的效率。实验表明,在不同的基准数据集上文中提出的算法更有效,避免了节点的冗余遍历,使最大频繁模式挖掘算法效率更高。(本文来源于《应用科技》期刊2016年02期）
李刚,程春生[7]（2015）在《股骨头坏死血瘀证症状与平乐郭氏正骨方药药物组成最大频繁关联模式挖掘》一文中研究指出目的:分析平乐郭氏正骨医家治疗股骨头坏死(osteonecrosis of the femoral head,ONFH)血瘀证的用药规律。方法:收集平乐郭氏正骨医家治疗的121例ONFH血瘀证患者的门诊病历(共涉及357张临床处方),建立诊疗数据库。应用最大频繁关联模式挖掘技术,探讨针对ONFH血瘀证症状的平乐郭氏正骨临床用药内在规律。结果:气滞血瘀证和痰阻血瘀证是ONFH血瘀证中较为常见的子证型;髋痛、活动受限是ONFH血瘀证最常见的症状;桃仁和红花组成的药对与髋刺痛、跛行症状组合关系最密切;桃仁、红花、当归为活血祛瘀、通经止痛的常用药物组合;瓜蒌、薤白、厚朴、柴胡、川芎为行气止痛的常用药物组合;附子、桂枝为温通散瘀的常用药物组合;赤芍、大黄为清热除瘀的常用药物组合。结论:活血化瘀药与行气药配伍是平乐郭氏正骨医家治疗ONFH血瘀证最常用的药物组合。(本文来源于《中医正骨》期刊2015年04期）
杨鹏坤,彭慧,周晓锋,孙玉庆[8]（2015）在《改进的基于频繁模式树的最大频繁项集挖掘算法——FP-MFIA》一文中研究指出针对最大频繁项目集挖掘算法(DMFIA)当候选项目集维数高而最大频繁项目集维数较低的情况下要产生大量的候选项目集的缺点,提出了一种改进的基于频繁模式树(FP-tree)结构的最大频繁项目集挖掘算法——FPMFIA。该算法根据FP-tree的项目头表,采用自底向上的搜索策略逐层挖掘最大频繁项目集,从而加速每次对候选集计数的操作。在挖掘时根据每层的条件模式基产生维数较低的非频繁项目集,尽早对候选项目集进行剪枝和降维,可大量减少候选项目集的数量。同时在挖掘时充分利用最大频繁项集的性质,减少搜索空间。通过算法在不同支持度下挖掘时间的对比可知,算法FP-MFIA在最小支持度较低的情况下时间效率是DMFIA以及基于降维的最大频繁模式挖掘算法(BDRFI)的2倍以上,说明FP-MFIA在候选集维数较高的时候优势明显。(本文来源于《计算机应用》期刊2015年03期）
叶福兰[9]（2014）在《基于FP_tree的最大频繁模式挖掘算法的改进》一文中研究指出基于条件模式树的最大频繁模式挖掘算法在挖掘过程中将扫描事务数据库两次,且产生了大量的候选项目集,产生最大频繁模式过程中比较次数较多,总体效率较低.提出改进后的最大频繁模式挖掘策略,利用二维表保存事务出现项目的情况,通过最大频繁模式的相关性质减少了挖掘的项数及产生的频繁模式集,减少比较的次数.(本文来源于《成都大学学报(自然科学版)》期刊2014年02期）
李锦玲,汪斌强[10]（2013）在《基于最大频繁序列模式挖掘的App-DDoS攻击的异常检测》一文中研究指出为了动态、准确、高效地描述用户的访问行为,实现对不同应用层分布式拒绝服务(Application-layerDistributed Denial of Service,App-DDoS)攻击行为的透明检测,该文提出基于最大频繁序列模式挖掘的ADA_MFSP(App-DDoS Detection Algorithm based on Maximal Frequent Sequential Pattern mining)检测模型。该模型在对正常Web访问序列数据库(Web Access Sequence Database,WASD)及待检测WASD进行最大频繁序列模式挖掘的基础上,引入序列比对平均异常度,联合浏览时间平均异常度、请求循环平均异常度等有效检测属性,最终实现攻击行为的异常检测。实验证明:ADA_MFSP模型不仅能有效检测各类App-DDoS攻击,且有良好的检测灵敏度。(本文来源于《电子与信息学报》期刊2013年07期）
最大频繁模式论文开题报告
（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：
DFP-growth-Max算法是一种基于DFP-tree方法和DFP-数组的最大频繁模式挖掘算法.DFP-tree是一种创建树结构的方法,它可以提高创建树结构的效率;利用DFP-数组可以快速获得事务项对应的条件模式基的频繁项集和支持度计数,快速生成最大频繁模式和创建条件子树,从而提高挖掘效率.实验验证了算法的优越性.
（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。
最大频繁模式论文参考文献
[1].王利军,唐立.基于有序FP-tree结构和二维表的最大频繁模式挖掘算法[J].韶关学院学报.2019
[2].王利军.最大频繁模式挖掘算法的改进[J].韶关学院学报.2019
[3].赵群礼,郭玉堂,史君华.基于改进频繁模式树的最大频繁项目集更新挖掘算法[J].井冈山大学学报(自然科学版).2018
[4].李良强,徐华林,袁华,邵培基.基于最大频繁模式的在线评论标签抽取[J].信息系统学报.2016
[5].尹治华.基于频繁模式树的最大频繁项目集挖掘算法研究[D].燕山大学.2016
[6].宁慧,王素红,崔立刚,郭笑语,徐丽.基于改进的FP-tree最大频繁模式挖掘算法[J].应用科技.2016
[7].李刚,程春生.股骨头坏死血瘀证症状与平乐郭氏正骨方药药物组成最大频繁关联模式挖掘[J].中医正骨.2015
[8].杨鹏坤,彭慧,周晓锋,孙玉庆.改进的基于频繁模式树的最大频繁项集挖掘算法——FP-MFIA[J].计算机应用.2015
[9].叶福兰.基于FP_tree的最大频繁模式挖掘算法的改进[J].成都大学学报(自然科学版).2014
[10].李锦玲,汪斌强.基于最大频繁序列模式挖掘的App-DDoS攻击的异常检测[J].电子与信息学报.2013
论文知识图
