已閱讀1頁,還剩60頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、現(xiàn)有的預測的方法基本上都是基于單獨的邊或者邊對來實現(xiàn)的,這些方法普遍都存在一些不足:i)很多時候有用的鏈接都是相對分散的,現(xiàn)有的方法需要掃描所有的頂點和邊,這會導致做很多無效的工作。ii)當圖比較大的時候,現(xiàn)有的方法需要付出很大的計算代價。
在網(wǎng)絡中挖掘頻繁子圖的技術已經(jīng)研究得相對比較成熟了,頻繁子圖可以篩選出網(wǎng)絡中比較有意義的結(jié)構。本文把頻繁子圖應用到關聯(lián)規(guī)則中,即把頻繁子圖作為關聯(lián)規(guī)則中的項,形成規(guī)則。這一方面有助于提
2、高預測的時候的易處理性,因為一個圖中的頻繁子圖數(shù)目通常都小于邊的數(shù)目。另一方面,子圖關聯(lián)規(guī)則可以把不同粒度的子圖組合起來,而不是單個的子圖,這有助于提高預測的時候的精確性。
本文的主要研究內(nèi)容包括以下幾點:
①介紹了關聯(lián)規(guī)則的概念和兩種典型的關聯(lián)規(guī)則挖掘的方法,其中FP-growth方法在生成子圖關聯(lián)規(guī)則的時候會使用到。
②分析了兩種典型的頻繁子圖挖掘算法,并從產(chǎn)生頻繁子圖的數(shù)目和運行時間兩方面
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于關聯(lián)規(guī)則的災害天氣預測方法研究.pdf
- 基于關聯(lián)規(guī)則分類的web用戶興趣預測.pdf
- 基于關聯(lián)規(guī)則的股票時間序列趨勢預測研究.pdf
- 基于關聯(lián)規(guī)則的機組產(chǎn)量預測模型研究與應用.pdf
- 基于圖的關聯(lián)規(guī)則挖掘算法研究.pdf
- 基于關聯(lián)規(guī)則的改進的線性回歸預測算法.pdf
- 基于鏈接重要性的動態(tài)鏈接預測算法研究.pdf
- 基于時序關聯(lián)規(guī)則挖掘的客戶行為實時預測技術.pdf
- 基于共詞網(wǎng)絡的鏈接預測研究.pdf
- 基于事務信息的鏈接預測方法研究.pdf
- 基于時序關聯(lián)規(guī)則挖掘的交通擁堵預測技術研究.pdf
- 基于鏈接重要性的動態(tài)鏈接預測算法研究
- 基于關聯(lián)規(guī)則與決策樹的預測方法研究及其應用.pdf
- 基于關聯(lián)規(guī)則的城市電力負荷預測模型推薦.pdf
- 基于粒計算與完全圖的關聯(lián)規(guī)則算法研究.pdf
- 基于LDA的社交網(wǎng)絡鏈接預測模型研究.pdf
- 基于相似性的鏈接預測方法研究.pdf
- 基于微博信息擴散的鏈接預測研究.pdf
- 基于模糊的關聯(lián)規(guī)則挖掘研究.pdf
- 基于互關聯(lián)后繼樹的關聯(lián)規(guī)則挖掘研究.pdf
評論
0/150
提交評論