导读:本文包含了投影树论文开题报告文献综述及选题提纲参考文献，主要关键词:数据挖掘,大数据,Spark大数据框架,投影树
投影树论文文献综述
冯兴杰,潘轩[1]（2018）在《基于Spark的投影树频繁项集挖掘算法》一文中研究指出通过对Spark并行计算框架以及投影树算法的分析,提出基于Spark的投影树频繁项集挖掘算法(projection tree algorithm based on Spark,PTBS)。为解决重复遍历数据集带来的损耗,改变数据的存储结构;利用广播变量对频繁二项集的产生进行改进,降低运算量,减少集群节点间通信的消耗;将Apriori先验性质添加到候选项集的筛选过程中,减少节点间的通信量。将算法与Spark平台所具备的特殊性能相结合,得到基于Spark的投影树关联规则挖掘算法,实验结果表明,该算法具备良好的可扩展性,适宜于处理大规模数据。(本文来源于《计算机工程与设计》期刊2018年08期）
刘爱科,李树豪,王繁,李象远[2]（2014）在《通量投影树法简化动力学机理》一文中研究指出为使燃烧动力学机理能应用于燃烧模拟,提出通量投影树法从详细机理中获取高保真的简化动力学模型。已报道的直接关系图[1]及其改进算法[2]仅考虑单一物种对单一重要物种通量的影响程度。这种情况下,分散的贡献将会被低估,从而影响重要物种的筛选。通量投影树法依据每个物种对总通量的贡献程度来判断其在燃烧过程中的重要程度,即通过某物种参与的通量向量向总通量向量投影来判断该物种的重要程度。对乙烯、正庚烷及参考油燃烧动力学机理的简化及验证表明:该方法能获得保真度更高的简化模型,且简化速度更快。对36物种乙烯框架机理的广泛验证表明:通量投影树法获得的框架机理不仅能准确重现详细机理预测的燃烧宏观性质,对燃烧的具体过程,如温度变化趋势,主要物种及重要中间体演化趋势,36物种框架机理都能很好地预测。(本文来源于《中国化学会第29届学术年会摘要集——第41分会：燃料与燃烧化学》期刊2014-08-04）
佘春东,范植华,孙世新,胡四泉,车着明[3]（2004）在《一种基于投影树的并行序列挖掘算法》一文中研究指出在许多科学和商业领域,序列模式的发现技术发挥着越来越重要的作用,然而人们对于高效的基于投影树算法的并行模式关注较少。该文首先介绍了频繁序列挖掘模式的基本概念,然后基于投影树算法,提出了分布式存储并行序列挖掘算法,并对算法的性能进行了详细的分析。(本文来源于《计算机工程与应用》期刊2004年14期）
投影树论文开题报告
（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：
为使燃烧动力学机理能应用于燃烧模拟,提出通量投影树法从详细机理中获取高保真的简化动力学模型。已报道的直接关系图[1]及其改进算法[2]仅考虑单一物种对单一重要物种通量的影响程度。这种情况下,分散的贡献将会被低估,从而影响重要物种的筛选。通量投影树法依据每个物种对总通量的贡献程度来判断其在燃烧过程中的重要程度,即通过某物种参与的通量向量向总通量向量投影来判断该物种的重要程度。对乙烯、正庚烷及参考油燃烧动力学机理的简化及验证表明:该方法能获得保真度更高的简化模型,且简化速度更快。对36物种乙烯框架机理的广泛验证表明:通量投影树法获得的框架机理不仅能准确重现详细机理预测的燃烧宏观性质,对燃烧的具体过程,如温度变化趋势,主要物种及重要中间体演化趋势,36物种框架机理都能很好地预测。
（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。
投影树论文参考文献
[1].冯兴杰,潘轩.基于Spark的投影树频繁项集挖掘算法[J].计算机工程与设计.2018
[2].刘爱科,李树豪,王繁,李象远.通量投影树法简化动力学机理[C].中国化学会第29届学术年会摘要集——第41分会：燃料与燃烧化学.2014
[3].佘春东,范植华,孙世新,胡四泉,车着明.一种基于投影树的并行序列挖掘算法[J].计算机工程与应用.2004
标签：数据挖掘; 大数据; Spark大数据框架; 投影树;