版權(quán)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(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、傳統(tǒng)數(shù)據(jù)挖掘的對象是傳統(tǒng)數(shù)據(jù)或靜態(tài)數(shù)據(jù),其來源于關(guān)系數(shù)據(jù)庫、數(shù)據(jù)倉庫和事務(wù)數(shù)據(jù)庫里面的數(shù)據(jù)?，F(xiàn)實世界和工程實踐中產(chǎn)生了大量的流數(shù)據(jù),這種數(shù)據(jù)不同于傳統(tǒng)的靜態(tài)數(shù)據(jù),是一種具有實時、快速和連續(xù)到達特點的動態(tài)數(shù)據(jù)。由于流數(shù)據(jù)的上述特點,對其進行有效處理和挖掘遇到了極大的挑戰(zhàn),使得應(yīng)用于傳統(tǒng)數(shù)據(jù)挖掘的技術(shù)和方法不能很好的適應(yīng)流數(shù)據(jù)。如何使用有限的內(nèi)存空間和CPU的處理速度進行快速和近似的頻繁模式挖掘是流數(shù)據(jù)挖掘的基本問題,具有非常重要的價值和實
2、踐意義。
近年來,在流數(shù)據(jù)中挖掘頻繁項集是一個非常新的研究課題。以往的解決方法,大多是在挖掘頻繁項集時使用一個固定的最小支持度。然而,在實際情況中,支持度閾值應(yīng)該隨用戶需求和流數(shù)據(jù)的特點而改變。本文提出了一種名為VSSDM(Variable Support for Steam Data Mining)的算法,用于在流數(shù)據(jù)中以可變支持度挖掘頻繁項集。本文使用概要向量結(jié)構(gòu)SYV(Synopsis Vector)高度壓縮并存儲歷史流
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(quán)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(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(quán)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
- 數(shù)據(jù)流的頻繁模式挖掘算法研究.pdf
- 數(shù)據(jù)流閉頻繁模式挖掘算法研究.pdf
- 數(shù)據(jù)流頻繁模式挖掘算法的研究.pdf
- 數(shù)據(jù)流頻繁模式挖掘算法研究與設(shè)計.pdf
- 數(shù)據(jù)流閉合頻繁模式挖掘算法的研究.pdf
- 數(shù)據(jù)流頻繁模式和分類挖掘算法研究.pdf
- 數(shù)據(jù)流滑動窗口頻繁模式挖掘算法研究.pdf
- 數(shù)據(jù)流top-K頻繁模式挖掘算法研究.pdf
- 數(shù)據(jù)流頻繁模式挖掘算法的研究與實現(xiàn).pdf
- 商業(yè)數(shù)據(jù)流頻繁模式挖掘算法研究與應(yīng)用.pdf
- 基于滑動窗口的數(shù)據(jù)流頻繁模式挖掘算法研究.pdf
- 數(shù)據(jù)流頻繁模式挖掘及數(shù)據(jù)預(yù)測算法研究.pdf
- 數(shù)據(jù)流頻繁項挖掘算法.pdf
- 數(shù)據(jù)流頻繁模式挖掘關(guān)鍵算法及其應(yīng)用研究.pdf
- 數(shù)據(jù)流的最大頻繁模式挖掘研究.pdf
- 一種流數(shù)據(jù)頻繁模式挖掘算法的研究與實現(xiàn).pdf
- 流數(shù)據(jù)的層次聚類和頻繁模式的挖掘算法研究.pdf
- 不確定數(shù)據(jù)流中頻繁模式挖掘算法的研究.pdf
- 面向不確定數(shù)據(jù)流的頻繁模式挖掘算法研究.pdf
- 多數(shù)據(jù)流頻繁項集挖掘算法研究.pdf
評論
0/150
提交評論