基于嘗試優(yōu)先策略的頻繁導出子圖挖掘算法.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(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、隨著包括化學情報學、生物信息學、計算機視覺、視頻索引、文本檢索以及Web分析在內(nèi)的廣泛應用,圖作為一種一般數(shù)據(jù)結構在復雜結構和它們之間相互作用建模中變得越來越重要。為了進一步進行特征化、區(qū)分、分類和聚類分析,挖掘頻繁子圖模式已經(jīng)成為一項重要的任務。近年來,頻繁子圖挖掘已經(jīng)成為數(shù)據(jù)挖掘中一個活躍和重要的課題。
   本文對基于圖論的經(jīng)典頻繁子圖挖掘算法進行了系統(tǒng)的研究和全面的總結,在此基礎上提出了基于深度優(yōu)先策略的頻繁導出子圖挖掘

2、算法CISM(ConnectedInduced Subgraph Mining)。CISM采用基于頂點的擴展策略。首先掃描圖集,找到圖集中的頻繁點,并把非頻繁點從圖集中刪除,降低問題的規(guī)模;然后找到圖集中的頻繁邊,將頻繁邊按支持度降序排列;接下來對每一條頻繁邊進行深度優(yōu)先搜索,擴展生成候選導出子圖,找到該邊的所有候選導出k-子圖,緊接著對這些候選導出k-子圖進行支持度計數(shù),得到頻繁導出k-子圖,再由這些頻繁導出k-子圖找到頻繁導出(k+

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。

評論

0/150

提交評論