數(shù)據(jù)挖掘算法分析及其并行模式研究.pdf

1、數(shù)據(jù)挖掘(DM)就是從大型數(shù)據(jù)集中抽取知識,其目的是發(fā)現(xiàn)深藏在一般數(shù)據(jù)之中的有用模式.該文介紹了DM的任務(wù)和方法,總結(jié)了DM的研究現(xiàn)狀,指出關(guān)聯(lián)規(guī)則發(fā)現(xiàn)和復(fù)雜數(shù)據(jù)挖掘是DM領(lǐng)域的研究熱點(diǎn).該文在深入研究現(xiàn)有算法的基礎(chǔ)上,對其中具有較好效率和可擴(kuò)展性的并行算法--IDD和HD算法,引入近似算法,有效地解決了算法中一個非常重要的問題:候選項(xiàng)目集在各個處理器節(jié)點(diǎn)之間的劃分問題,從而盡可能使得各節(jié)點(diǎn)負(fù)載平衡,最終達(dá)到提高算法效率的目的.文中給出

2、了兩種近似算法及其性能證明,其一是在線算法,其二為離線算法,并對改進(jìn)算法進(jìn)行了復(fù)雜性分析.對于無需產(chǎn)生候選集的算法.該文分析了高效的FP-growth算法在共享存儲體系結(jié)構(gòu)下,并行建立頻繁模式樹和并行挖掘頻繁項(xiàng)目集的實(shí)現(xiàn)方法,指出了算法存在由于任務(wù)分配不均而導(dǎo)致處理器之間負(fù)載不均衡的缺陷.基于此,該文提出了一種動態(tài)負(fù)載平衡機(jī)制,實(shí)驗(yàn)數(shù)據(jù)表明:采用新調(diào)度策略的并行算法,其效率有明顯的提高.我們基于投影樹算法,給出了其數(shù)據(jù)并行模式(DPF)

3、和任務(wù)并行模式(TPF),接著進(jìn)行了算法的復(fù)雜性分析.同時,理論推導(dǎo)表明:DPF具有一定的可擴(kuò)展性,TPF具有較好的可擴(kuò)展性.針對圖像數(shù)據(jù)預(yù)處理中的數(shù)據(jù)壓縮和特征提取兩個重點(diǎn),介紹一種基于連續(xù)Hopfield神經(jīng)網(wǎng)絡(luò)的非數(shù)值并行算法應(yīng)用于圖像數(shù)據(jù)挖掘的聚類預(yù)處理過程.在實(shí)現(xiàn)數(shù)據(jù)聚類的同時,達(dá)到對圖像矢量量化壓縮的目的.而矢量量化壓縮的過程,實(shí)際上又可以把最終得到的碼書看成是提取一幅圖像的特征向量(矢量)組的過程.我們的工作重點(diǎn)在于在對圖