從數(shù)據(jù)集中挖掘頻繁函數(shù)集的研究和應用.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、數(shù)據(jù)挖掘是當前數(shù)據(jù)庫研究開發(fā)和應用的熱點。函數(shù)挖掘是從科學數(shù)據(jù)中發(fā)現(xiàn)有效的函數(shù)關系,它是數(shù)據(jù)挖掘技術的重要研究方向?! 鹘y(tǒng)的函數(shù)挖掘本身具有很多局限性,在實際問題中難于應用:(1)挖掘目標是單個函數(shù),但單個函數(shù)對現(xiàn)實世界中規(guī)律的描述能力很弱;(2)它難以被應用在復雜的數(shù)據(jù)集上。為了彌補這些缺陷,本文做了如下探索: (1)對函數(shù)挖掘的概念進行了擴展,提出了新的、描述能力更強的函數(shù)挖掘對象——頻繁函數(shù)集(FFS),這一新概念旨在

2、描述在指定數(shù)據(jù)集上具有一定支持度的函數(shù)關系簇?! ?2)分析了頻繁函數(shù)集的性質。 (3)提出了可配置的FFS挖掘算法——ConfigurableFrequentFunctionSetDiscoveringAlgorithm(CFFSDA),它靈活,可以配置使用多種搜索算法。 (4)分析CFFSDA的不足,進一步提出了可以滿足用戶不同興趣需求的基于約束的頻繁函數(shù)集(ConstrainedFFS)和相應的挖掘框架。

3、 (5)基因表達式編程(GEP)是函數(shù)關系挖掘的新方法,本文利用GEP配置實化了CFFSDA,并且在GEP研究中首次采用了精度閾值隊列策略(PTQ),該策略有效地提高了算法的成功概率。 (6)探索了FFS在數(shù)據(jù)庫查詢優(yōu)化和分類中的應用。舉例說明了利用FFS進行查詢優(yōu)化,在其WHERE子句有等值條件和某些比較條件的SQL選擇語句中,比傳統(tǒng)查詢優(yōu)化策略有更好的效率。 (7)通過實驗證實了FFS的強大描述能力和FFS在分類中的

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,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,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。

評論

0/150

提交評論