文档介绍：:.
\删燃缓艟学位论文作者:亥刍每乞日期:州辏侣日原创性声明学位论文使用授权声明日期:弦,≯年厂月纠日本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均己在文中以明确方式标明。本声明的法律责任由本人承担。本人在导师指导下完成的论文及相关的职务作品,知识产权归属郑州大学。门或机构送交论文的复印件和电子版,允许论文被查阅和借阅;本人授权郑州大学可以将本学位论文的全部或部分编入有关数据库进行检索,可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时,第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。学位论文作者:根据郑州大学有关保留、使用学位论文的规定,同意学校保留或向国家有关部
摘要在近些年,树挖掘和模式分类已经成为数据挖掘中相当活跃的研究领域。同时,由于数据多以连续流形式出现,需要考虑数据分布随时间而改变,例如感知器网络、罩尽⑸镅е械母髦置阜肿咏峁沟取7⑾钟惺侗鹉芰Φ哪式是树挖掘中一个重要的环节。同时,设计实时快速的分类算法是非常有必要的,分类模型要适应数据分布的动态变化。目前对结构化数据的分类方法大多是基于频繁子结构挖掘,然后通过排序剪枝等处理将频繁子结构与类关联得到结构规则进而分类。现在成熟的树流分类算法主要有:使用代价敏感分类模型后从中选取高质量的规则:以及先挖掘频繁闭树,随后采用分类方法本文首先阐述了树挖掘理论的相关知识,分析了闭和最大频繁树模式挖掘的优点,详细介绍了类相关模式挖掘中的思想和原理。与相比,算法提高分类的算法时间,并考虑到概念漂移,但是其分类正确率相对较低。本文提出的树流分类算法诶嘞喙啬J剑玈数据结构引入到树模式的发现过程中。在该过程中,使用分支界限法提高搜索效率,无需挖掘完全模式,另一方面对参考度不断更新从而避免后剪枝操作,得到的树模式可直接用于分类。其次,对统计中的卡方度量进行优化,提高发现産树模式的时间和空间效率;将得到的産髂J接糜谑髁鞣掷啵椒ḿ虻ジ效。此外,将一对多分类思想运用到树流分类上,解决多类分类问题中的效率在合成数据集和真实数据集上的实验表明,本文提出的基于産髂J的树流分类算法在分类正确率和运行效率方面较已往的算法具有一定的优势。关键字:数据挖掘;树流:分类;的分类算法,它发现大量满足用户最小支持度和置信度阈值的规则,然的算法等。问题。産髂J剑相关度量
.蝐鴆,.—.,,。.瓼...,.猻.Ⅱ
;;;籧:
摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯髀邸髁魍诰蚣跋喙丶际醺攀觥嘞喙氐哪J酵诰颉研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.树挖掘研究进展⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.论文研究工作概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.论文组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.树流表示⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。频繁树模式挖掘⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..树流分类方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯代价敏感分类模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯概念漂移的处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..............⋯⋯⋯.........⋯..............⋯......⋯...⋯.........⋯.........................
趉髂J降氖髁鞣掷嗨惴ā笛榻峁***治觥芙嵊胝雇相关系数⋯...⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。相关性模式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。相关模式挖掘⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基本概念⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.关联度量发现産髂J健一对多树流分类模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。数据集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..档纳柚枚运惴ňǘ鹊挠跋臁树分类算法的精度比较⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯惴ǖ挠行匝橹ぁ本章小结⋯