导读:本文包含了基于约束的频繁项集论文开题报告文献综述及选题提纲参考文献，主要关键词:不确定数据,频繁闭项集,简洁反单调约束,简洁非反单调约束
基于约束的频繁项集论文文献综述
牛浩浩,李孝忠,连春月[1]（2018）在《不确定数据的约束频繁闭项集挖掘算法》一文中研究指出针对当前数据挖掘方法没有考虑客观条件制约以及个人不同需求的问题,在不确定数据的频繁闭项集挖掘算法中加入简洁性约束条件,基于正态分布模型分别研究了在简洁反单调约束和简洁非反单调约束下,对不确定数据库进行频繁闭项集挖掘的方法,并给出了实例证明挖掘算法的可行性.(本文来源于《天津科技大学学报》期刊2018年04期）
施亮,钱雪忠[2]（2015）在《基于MapReduce的约束频繁项集挖掘算法》一文中研究指出传统的约束频繁项集挖掘方法无法实现对较大数据量的快速处理,针对该问题,结合分布式框架Hadoop的分布式计算优势,提出一种基于MapReduce的约束频繁项集挖掘算法。将一个完整的挖掘任务分成若干个相对独立的子任务,根据用户自定义的约束条件对子任务进行并行挖掘,提高算法的执行效率。实验结果表明,该算法具有较好的实用性和良好的扩展性。(本文来源于《计算机工程与设计》期刊2015年10期）
夏靖波,赵小欢,柏骏,郭威武[3]（2013）在《基于时间和流长约束的网络流频繁项挖掘算法》一文中研究指出基于计数的频繁项挖掘算法是目前数据流频繁项挖掘领域非常活跃的一种方法.在SS计数算法的启发下,针对网络流的实际特性,提出了一种剪枝操作受时间和流长双重约束的网络流频繁项挖掘算法TSFIM.算法采用叁级缓存结构分别实现长流及时保护、基于时间的报文归并和基于流长的流项区分淘汰;通过理论分析了TSFIM算法的性能并探讨了算法适用于长时间情况下的约束条件和优势;最后通过实际流量数据测试表明,TSFIM算法具有非常高的空间利用率,算法在流频繁项提取、流长统计效果上明显优于SS等算法.(本文来源于《中国科学技术大学学报》期刊2013年10期）
刘卫明,杨健,毛伊敏[4]（2012）在《基于约束的不确定数据频繁项集挖掘算法研究》一文中研究指出针对基于约束的不确定数据频繁项的经典挖掘算法——U-FPS算法的不足,提出了适用于基于约束的不确定数据的新算法——UC-Eclat挖掘算法。该算法不需要构建频繁模式树,而采用了数据库垂直模式求交集的方式来计算支持度的方法,提高了挖掘效率。(本文来源于《计算机应用研究》期刊2012年10期）
姚全珠,李如琼,王美君[5]（2012）在《项约束先过滤的最大频繁项集挖掘算法》一文中研究指出在稠密型数据库中,现有最大频繁项集挖掘算法效率低、耗时长,挖掘结果模糊,不利于用户使用。为此,提出一种项约束先过滤的最大频繁项集挖掘算法——VCM。利用项包含约束过滤数据库,使用垂直数据表示数据集,采用深度优先的挖掘策略对数据库进行最大频繁相集的挖掘。实验结果表明,该算法快速有效,尤其在挖掘具有长模式的稠密数据库时优势明显。(本文来源于《计算机工程》期刊2012年04期）
马青霞,李广水,郑滔[6]（2011）在《多谓词约束下基于模式增长的频繁项集挖掘算法》一文中研究指出针对多维关联规则中挖掘事务数据库的所有频繁项集这一问题,提出了基于维约束进行求解的构想。采用模式增长的挖掘方法并根据谓词约束特征,设计了两种频繁项集挖掘算法,其中MCMFI1算法在指定约束下构建模式树并进行频繁项集挖掘,而节点向量约束的算法MCMFI2在预先挖掘出无约束频繁项集的情况下,依据给定约束对已有频繁集及模式树进行更新搜索,因此需要开销更多的主存,但在更新过程中有更高的效率。理论分析和实验结果都表明了MCM-FI算法的完备性和有效性。(本文来源于《计算机技术与发展》期刊2011年10期）
张婕,张燕,李广水[7]（2011）在《基于HASH表的多谓词约束下频繁项集挖掘》一文中研究指出针对在交易数据库中挖掘出指定顾客相关属性的频繁项集这一问题,提出了基于维约束进行求解的构想.采用模式增长的挖掘方法,但与传统的模式树不同的是将原先每一节点频繁计数值设为在所有可能的谓词约束下该项的计数形成的向量,并利用HASH表进行向量值及项所在层的位置映射,因此,在不同的约束组合下的频繁项集挖掘将不再需要扫描数据库.仿真实验表明该挖掘算法的完备性,通过与先筛选再挖掘的算法进行比较,证明该挖掘算法具有更高的效率.(本文来源于《微电子学与计算机》期刊2011年10期）
范黎林,林卫[8]（2011）在《矩阵约束下的频繁项集挖掘方法研究》一文中研究指出数据挖掘中的关联分析技术旨在发现大量数据项集之间有趣的关联关系,其核心问题是寻找频繁项集。针对传统的基于矩阵的关联挖掘算法中矩阵规模和事务数据库大小相关,在处理超大型事务数据库时,仍会存在内存瓶颈的问题,提出了一个矩阵规模和事务数据库大小无关、通过矩阵约束预挖掘后验证的频繁项集发现算法。实验结果显示,该算法提高了频繁项集的挖掘速度。(本文来源于《计算机工程与应用》期刊2011年21期）
花红娟,张健,陈少华[9]（2011）在《基于频繁模式树的约束最大频繁项集挖掘算法》一文中研究指出多数最大频繁项集挖掘算法产生候选项目集的代价很高,而实际应用中用户只关心部分关联规则。针对该问题,提出一种基于频繁模式树的约束最大频繁项集快速挖掘算法。该算法能随时删除不满足约束条件的项集,无需生成候选项目集,由此提高挖掘效率。实验结果证明,该算法的效率优于同类算法。(本文来源于《计算机工程》期刊2011年09期）
李英杰[10]（2009）在《项约束频繁项集挖掘的新方法》一文中研究指出项约束频繁项集挖掘是项约束关联规则挖掘的关键步骤。对项约束频繁项集挖掘的内涵进行讨论,认为一个项集X本身满足项约束条件B是不够的,数据库中支持X的全部事务均满足B才能称"项集X满足条件B"。据此,将Direct算法改进为Di-rect*,在Direct*中负项被作为一个独立的项来看待。项约束是简洁性约束,但目前已有的算法没有充分利用其简洁性,提出利用项约束简洁性的MSEB算法。实验表明:对稠密数据库,MSEB的效率较高,并且Direct*和MSEB两个算法均是正确的。(本文来源于《计算机工程与应用》期刊2009年03期）
基于约束的频繁项集论文开题报告
（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：
传统的约束频繁项集挖掘方法无法实现对较大数据量的快速处理,针对该问题,结合分布式框架Hadoop的分布式计算优势,提出一种基于MapReduce的约束频繁项集挖掘算法。将一个完整的挖掘任务分成若干个相对独立的子任务,根据用户自定义的约束条件对子任务进行并行挖掘,提高算法的执行效率。实验结果表明,该算法具有较好的实用性和良好的扩展性。
（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。
基于约束的频繁项集论文参考文献
[1].牛浩浩,李孝忠,连春月.不确定数据的约束频繁闭项集挖掘算法[J].天津科技大学学报.2018
[2].施亮,钱雪忠.基于MapReduce的约束频繁项集挖掘算法[J].计算机工程与设计.2015
[3].夏靖波,赵小欢,柏骏,郭威武.基于时间和流长约束的网络流频繁项挖掘算法[J].中国科学技术大学学报.2013
[4].刘卫明,杨健,毛伊敏.基于约束的不确定数据频繁项集挖掘算法研究[J].计算机应用研究.2012
[5].姚全珠,李如琼,王美君.项约束先过滤的最大频繁项集挖掘算法[J].计算机工程.2012
[6].马青霞,李广水,郑滔.多谓词约束下基于模式增长的频繁项集挖掘算法[J].计算机技术与发展.2011
[7].张婕,张燕,李广水.基于HASH表的多谓词约束下频繁项集挖掘[J].微电子学与计算机.2011
[8].范黎林,林卫.矩阵约束下的频繁项集挖掘方法研究[J].计算机工程与应用.2011
[9].花红娟,张健,陈少华.基于频繁模式树的约束最大频繁项集挖掘算法[J].计算机工程.2011
[10].李英杰.项约束频繁项集挖掘的新方法[J].计算机工程与应用.2009