导读:本文包含了衰减窗口论文开题报告文献综述及选题提纲参考文献，主要关键词:微博,行为活跃度,用户行为矩阵,衰减窗口
衰减窗口论文文献综述
陈俊宇,王蒙,周刚[1]（2013）在《微博用户行为活跃度的衰减窗口分析方法》一文中研究指出介绍了数据流中最流行元素挖掘的衰减窗口计算和滑动窗口计算两种方法,提出了用户行为矩阵和用户行为活跃度矩阵的概念,二者分别刻画了用户在社会网络中的行为随时间分布的均匀程度以及活跃程度.同时,从数据流的角度分析了社会网络中用户的行为数据,将数据流挖掘中的衰减窗口(Decaying Window)计数方法引入到用户活跃度的计算中.最后通过在twitter数据集上进行实验,对两种方法得出的结果进行了对比分析,结果表明,随着衰减指数c的变化,衰减窗口计算方法得到的结果比滑动窗口方法更加稳定,且后者得到的结果具有一定的抖动.(本文来源于《中原工学院学报》期刊2013年04期）
王冬秀[2]（2013）在《衰减窗口模型下基于密度的数据流聚类算法》一文中研究指出对目前主流数据流算法的优缺点进行分析后,提出了一种衰减窗口模型下基于密度的数据流聚类算法DWDCluSteam。算法采用衰减窗口技术,然后利用改进的树结构来维护和更新数据流的摘要信息,最后利用周期性的剪枝策略,定期删除过期、稀疏的网格单元。仿真实验表明,相对于以往的数据流聚类算法,该算法可获得较好的聚类质量,较小的内存开销和较高的数据处理能力。(本文来源于《科技通报》期刊2013年06期）
汤姣,陈建勋[3]（2012）在《基于衰减窗口的通讯录搜索技术》一文中研究指出随着智能手机的不断普及,通讯录和记事薄等记录信息条目数量飞速增长,寻求高效快速的搜索技术得到高度关注。提出一种高效快捷的通讯录搜索技术。以联系人姓名全拼和姓名拼音首字母组合为搜索条件对联系人进行基本搜索,同时采用数据流的衰减窗口思想模拟移动终端机主的思维模式,将联系人通信紧密度作为排序参数对搜索结果进行排序来实现输入最少线索搜索到目标联系人。将这种技术应用于Android手机操作系统,这种通讯录搜索技术也普遍适用于各种流行智能手机操作系统,并可以推广到企业通讯录等搜索应用中。(本文来源于《工业控制计算机》期刊2012年09期）
廖国琼,吴凌琴,万常选[4]（2012）在《基于概率衰减窗口模型的不确定数据流频繁模式挖掘》一文中研究指出考虑到不确定数据流的不确定性,设计了一种新的概率频繁模式树PFP-tree和基于该树的概率频繁模式挖掘方法PFP-growth.PFP-growth使用事务性不确定数据流及概率衰减窗口模型,通过计算各概率数据项的期望支持度以发现概率频繁模式,其主要特点有:考虑到窗口内不同时间到达数据项的贡献度不同,采用概率衰减窗口模型计算期望支持度,以提高模式挖掘准确度;设置数据项索引表和事务索引表,以加快频繁模式树检索速度;通过剪枝删除不可能成为频繁模式的结点,以降低模式树的存储及检索开销;对每个结点都设立一个事务概率信息链表,以支持数据项在不同事务中具有不同概率的情形.实验结果表明,PFP-growth在保证挖掘模式准确度的前提下,在处理时间和内存空间等方面都具有较好的性能.(本文来源于《计算机研究与发展》期刊2012年05期）
汤姣[5]（2012）在《基于衰减窗口的通讯录技术研究与实现》一文中研究指出随着移动通信行业的不断发展和互联网向移动终端的普及，网络和用户对移动终端的要求越来越高。Android是一套真正意义上的开放性的移动设备综合平台，包括操作系统、中间件和关键平台应用，Android平台的开放性等特点技能促进技术的创新，又有助于降低开发成本，还可以使运营商非常方便地制定自己的特色化的产品。近几年来，由于通讯录和记事簿等记录信息条目数量飞速增长，寻求高效快速的搜索技术得到了高度关注。使用一种具有良好界面和高效快捷的搜索技术的通讯录并将其技术思想拓展到各个手机操作系统甚至企业级通讯录应用中具有很好的应用前景。本文基于Android手机操作系统设计和开发了一个具有高效快捷的搜索技术的通讯录。本文首先给出了通讯录软件的研究背景和研究意义，对当前手机操作系统和通讯录普遍使用的机制做了简单介绍。进而详细的分析了Android的特征、架构以及Android应用的构成和工作机制，并对SQLite数据库做了较为详细的介绍。本文详细的提出了通讯录软件的工作机制，介绍了软件界面设计的原则，并根据这些原则进行界面设计，在系统设计方面主要阐述了搜索模块的设计原理和过程，对数据库设计也做了详细地介绍。在软件的开发和实现上，在完成传统的增加、删除、修改和查看联系人的基础上，对联系人进行高级搜索，以联系人姓名全拼和姓名拼音首字母组合为搜索条件采用数据流的衰减窗口思想模拟移动终端机主的思维模式，将联系人通信紧密度作为排序参数对搜索结果进行排序来实现输入最少线索搜索到目标联系人。通过应用对比，基于衰减窗口的通讯录操作便捷，效率得到了一定程度的提高。(本文来源于《武汉科技大学》期刊2012-05-07）
赖军,李双庆[6]（2011）在《挖掘滑动时间衰减窗口中网络流频繁项集》一文中研究指出网络流数据频繁项集挖掘是网络流量分析的重要基础。提出一种新颖的基于字典顺序前缀树LOP-Tree的频繁项集挖掘算法STFWFI,该算法采用更符合网络流特点的滑动时间衰减窗口模型,有效降低了挖掘频繁项集的时间和空间复杂度;在该树结构上提出一种新的基于统计分布的节点权值计算方法SDNW代替传统的统计方法,提高了网络流节点估值的精确度。实验结果表明,该算法在网络流频繁项集挖掘过程中获得了良好的效果。(本文来源于《计算机应用研究》期刊2011年03期）
王冬秀[7]（2010）在《基于衰减窗口与剪枝链表树的高维数据流聚类算法研究》一文中研究指出近几年来,随着以互联网为代表的计算机信息技术的普及,数据呈飞速增长的趋势,人们积累的信息量达到了TB级,甚至PB级。在现实生活中,许多数据是以动态的“连续数据流”的形式出现的,它不同于传统的数据被存在静态介质中,可以被多次访问。数据流的特点是：(1)数据规模大；(2)维数高；(3)到达速度快；(4)潜在无序性；(5)每个元素只能被访问一次。因此,许多传统的聚类算法已经无法获得有意义的聚类结果,针对高维数据流普遍存在的“维度灾难”问题,本文将重点围绕如下几个问题展开：(1)如何设计有效的聚类算法,适应持续快速到来的高维数据流?(2)在聚类过程中,如何发现更多的聚类,提高聚类效果?(3)在聚类过程中,如何降低内存消耗?(4)在聚类过程中,如何提高算法的效率,减少算法的运行时间?本文在对经典的数据流聚类算法进行学习和研究后,针对经典算法存在的不足,进行了改进和提高,提出了一种新的高维数据流聚类算法。主要工作包括以下叁个方面：(1)为了有效地控制内存规模,在聚类过程中减少内存消耗,本文提出了一种概要数据结构—剪枝链表树,简称PL-Tree,用来保存数据流的摘要信息,在有任何聚类请求时,能够在线输出近似的聚类结果。本文采用核心技术数据淘汰和剪枝策略,有效地控制了内存规模,提高了算法的运行效率。(2)为了设计一种高效的聚类算法,适应持续到来的高维数据流,本文基于PL-Tree概要数据结构,提出了一种基于衰减窗口与剪枝链表树的高维数据流聚类算法,简称PLStream算法。同时,为了减小历史数据对聚类结果的影响,利用衰减窗口及衰减因子对历史数据逐步进行衰减。最后用实验证明该算法的有效性。(3)为了说明新算法的有效性,本文算法与经典算法CELL TREE算法进行了比较,实验表明,该算法在空间伸缩性和聚类效果方面都有较显着地提高。(本文来源于《华东师范大学》期刊2010-10-01）
曾伟[8]（2009）在《基于衰减窗口与剪枝维度树的实时数据流聚类研究》一文中研究指出实时数据流挖掘是目前数据挖掘与数据库领域的新兴研究热点,针对实时数据流的聚类分析技术也是该研究中最具有挑战性的难题之一。本文首先介绍了基于实时数据流的数据挖掘和知识发现的研究背景以及该领域现有的主要研究分支:聚类、分类、频繁模式挖掘、关联规则分析等。然后综述了实时数据流聚类技术的最新研究进展,在介绍实时数据流聚类相关理论和常用技术的基础上,对现有各种代表性实时数据流聚类算法的优势和不足进行了系统地分析,从处理速度、聚类形状、演化分析、高维性能及噪声健壮性五个方面对这些聚类算法的性能进行了深入地比较研究,探讨了基于聚类的实时数据流演化分析方法及其局限性。针对现有实时数据流聚类算法存在的处理速度慢、系统消耗大以及不能识别任意形状聚类等问题,本文设计并实现了一种基于衰减窗口与密度维度树的实时数据流聚类算法PDStream,该算法首先对数据空间进行网格划分,将数据流依次映射到网格空间中,采用一种改进的维度树结构在线维护和更新数据流的概要数据结构,同时设计了一种周期性剪枝策略,周期性地剪去维度树中的稀疏网格,以降低系统消耗,最后采用深度优先搜索算法在线处理聚类请求,通过不同时刻的聚类结果比对来实现数据流的演化分析。基于人工数据集和真实数据集的实验表明,本研究所提出的聚类算法PDStream可以有效地发现实时数据流在任意时刻具有任意形状的聚类,并且聚类效果较好、内存消耗少、处理速度快,具有较好的计算精度。(本文来源于《武汉科技大学》期刊2009-04-20）
张晓龙,曾伟[9]（2009）在《基于衰减窗口与剪枝维度树的实时数据流聚类》一文中研究指出提出一种基于衰减窗口的实时数据流聚类算法PDStream。算法首先对数据空间进行网格划分,采用改进的维度树结构维护和更新数据流的摘要信息,设计了一种周期性剪枝策略,周期性地剪去维度树中的稀疏网格,最后采用深度优先搜索算法在线处理聚类请求。基于人工数据集和真实数据集的实验表明,PDStream算法可以有效地发现数据流中任意形状的聚类,内存消耗少,具有较好的计算精度。(本文来源于《计算机应用研究》期刊2009年04期）
衰减窗口论文开题报告
（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：
对目前主流数据流算法的优缺点进行分析后,提出了一种衰减窗口模型下基于密度的数据流聚类算法DWDCluSteam。算法采用衰减窗口技术,然后利用改进的树结构来维护和更新数据流的摘要信息,最后利用周期性的剪枝策略,定期删除过期、稀疏的网格单元。仿真实验表明,相对于以往的数据流聚类算法,该算法可获得较好的聚类质量,较小的内存开销和较高的数据处理能力。
（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。
衰减窗口论文参考文献
[1].陈俊宇,王蒙,周刚.微博用户行为活跃度的衰减窗口分析方法[J].中原工学院学报.2013
[2].王冬秀.衰减窗口模型下基于密度的数据流聚类算法[J].科技通报.2013
[3].汤姣,陈建勋.基于衰减窗口的通讯录搜索技术[J].工业控制计算机.2012
[4].廖国琼,吴凌琴,万常选.基于概率衰减窗口模型的不确定数据流频繁模式挖掘[J].计算机研究与发展.2012
[5].汤姣.基于衰减窗口的通讯录技术研究与实现[D].武汉科技大学.2012
[6].赖军,李双庆.挖掘滑动时间衰减窗口中网络流频繁项集[J].计算机应用研究.2011
[7].王冬秀.基于衰减窗口与剪枝链表树的高维数据流聚类算法研究[D].华东师范大学.2010
[8].曾伟.基于衰减窗口与剪枝维度树的实时数据流聚类研究[D].武汉科技大学.2009
[9].张晓龙,曾伟.基于衰减窗口与剪枝维度树的实时数据流聚类[J].计算机应用研究.2009