导读:本文包含了投影频繁模式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:闭合频繁模式,数据挖掘,投影和树
投影频繁模式树论文文献综述
杨传耀,张成洪,胡运发[1]（2008）在《一种基于投影和树的闭合频繁模式算法》一文中研究指出提出一种基于投影和树的闭合频繁模式挖掘的算法.此算法利用一种数据结构:投影和树,把事务投影到这棵前缀树上,它除了可以从空间上紧凑地存放频繁模式外,还建立了层的概念,挖掘时充分利用已有的计算结果,不重复计算.另外挖掘时,算法只对投影和树进行一次遍历,不需要进行耗时的I/O操作,也不需要递归地建立条件FP树而消耗大量的CPU计算资源.实验结果表明在稠密集上,其效率较高.(本文来源于《模式识别与人工智能》期刊2008年01期）
刘君强,潘云鹤[2]（2003）在《基于混合投影的频繁模式挖掘算法》一文中研究指出频繁模式挖掘是最基本的数据挖掘问题 ,由于内在复杂性 ,提高挖掘算法性能一直是个难题 HP是通过数据库混合投影来挖掘频繁模式完全集的全新算法 HP混合投影思想是 :任意数据集都不能简单地归入某个单一特性类别 ,挖掘过程应根据局部数据子集的特性变化动态地调整频繁模式树构造策略、事务子集表示形式、投影方法 HP提出基于树表示的虚拟投影与基于数组表示的非过滤投影 ,较好地解决了提高时间效率与节省内存空间的矛盾 实验表明 ,HP时间效率比Apriori,FP Growth和H Mine高出 1～ 3个数量级 ,并且空间可伸缩性也大大优于这些算法(本文来源于《计算机研究与发展》期刊2003年10期）
何炎祥,向剑文,朱骁峰,孔维强[3]（2002）在《不产生候选的快速投影频繁模式树挖掘算法》一文中研究指出1.概述近年来,对事务数据库、时序数据库和各种其它类型数据库中的频繁模式挖掘的研究越来越普及。许多先前的研究都是采用Apriori或类似的候选产生—检查迭代算法,使用候选项集来找频繁项集。这些算法都基于一种重要的反单调的Apriori性质:任何非频繁的(k—1)-项集都不可能是频繁k-项集的子集。因此,如果一个候选k-项集的(k—1)-子集不在频繁(k—1)-项集中,则该候选也不可能是频繁的,从而可(本文来源于《计算机科学》期刊2002年11期）
投影频繁模式树论文开题报告
（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：
频繁模式挖掘是最基本的数据挖掘问题 ,由于内在复杂性 ,提高挖掘算法性能一直是个难题 HP是通过数据库混合投影来挖掘频繁模式完全集的全新算法 HP混合投影思想是 :任意数据集都不能简单地归入某个单一特性类别 ,挖掘过程应根据局部数据子集的特性变化动态地调整频繁模式树构造策略、事务子集表示形式、投影方法 HP提出基于树表示的虚拟投影与基于数组表示的非过滤投影 ,较好地解决了提高时间效率与节省内存空间的矛盾 实验表明 ,HP时间效率比Apriori,FP Growth和H Mine高出 1～ 3个数量级 ,并且空间可伸缩性也大大优于这些算法
（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。
投影频繁模式树论文参考文献
[1].杨传耀,张成洪,胡运发.一种基于投影和树的闭合频繁模式算法[J].模式识别与人工智能.2008
[2].刘君强,潘云鹤.基于混合投影的频繁模式挖掘算法[J].计算机研究与发展.2003
[3].何炎祥,向剑文,朱骁峰,孔维强.不产生候选的快速投影频繁模式树挖掘算法[J].计算机科学.2002