导读:本文包含了全置信度论文开题报告文献综述及选题提纲参考文献，主要关键词:海量文本,增量队列,全置信度,关联挖掘
全置信度论文文献综述
刘炜[1]（2015）在《基于增量队列的在全置信度下的关联挖掘》一文中研究指出关联挖掘是一种重要的数据分析方法,提出了一种在全置信度下的增量队列关联挖掘算法模型,在传统的FP-Growth及PF-Tree算法的关联挖掘中使用了全置信度规则,算法的适应性得到提升,由此提出FP4W-Growth算法并运用到对文本数据的关联计算以及对增量式的数据进行关联性挖掘的研究中,通过实验验证了此算法及模型的可行性与优化性,为在庞大的文本数据中发现隐藏着的先前未知的并潜在有用的新信息和新模式,提供了科学的决策方法.(本文来源于《计算机系统应用》期刊2015年08期）
史庆伟,赵政,鲍虎[2]（2007）在《基于全置信度关联分析的web层次聚类方法》一文中研究指出为了便于用户浏览网页信息,基于全置信度关联分析,提出了一种网页层次聚类的方法。该方法采用向量空间模型表示网页文档,将文档看成事务,文档的词汇视为事务中的项,根据关联挖掘算法发现文档之间的强关联规则产生基本类,然后利用图划分的算法完成网页文档的层次聚类。在关联规则产生过程中采用全置信度量发现强关联模式,规则的产生不受支持度阈值设置的影响,即使支持度阈值设置为零,也能发现强关联模式,有效地消除了弱相关的交叉支持模式。(本文来源于《辽宁工程技术大学学报》期刊2007年06期）
全置信度论文开题报告
（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：
为了便于用户浏览网页信息,基于全置信度关联分析,提出了一种网页层次聚类的方法。该方法采用向量空间模型表示网页文档,将文档看成事务,文档的词汇视为事务中的项,根据关联挖掘算法发现文档之间的强关联规则产生基本类,然后利用图划分的算法完成网页文档的层次聚类。在关联规则产生过程中采用全置信度量发现强关联模式,规则的产生不受支持度阈值设置的影响,即使支持度阈值设置为零,也能发现强关联模式,有效地消除了弱相关的交叉支持模式。
（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。
全置信度论文参考文献
[1].刘炜.基于增量队列的在全置信度下的关联挖掘[J].计算机系统应用.2015
[2].史庆伟,赵政,鲍虎.基于全置信度关联分析的web层次聚类方法[J].辽宁工程技术大学学报.2007