文档介绍：强跳跃显露模式挖掘算法及其应用湖南大学硕士学位论文学校代号:学号:密级:普通
瓻.
作者签名:坷鼍湖南大学学位论文原创性声明学位论文版权使用授权书日期:乒骸耗阥月乡甏踉鹿璂日弓本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果日期:本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部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。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位⒈C芸冢年解密后适用本授权书。⒉槐C躣。朐谝陨舷嘤Ψ娇蚰诖颉啊獭年歹月由本人承担。论文。本学位论文属于作者签名:导师签名:日期:
摘要分类是数据挖掘中一个很重要的研究课题,在神经网络、统计学以及机器学习等领域得到了广泛的研究,但是大部分分类算法适用于小型数据集。强跳跃显露模式,墙昀刺岢龅囊恢中掠钡闹J模式,它具有很强的区分能力。针对大型数据集而提出的基于的分类算法具有较高的分类准确度。本文主要针对的挖掘及分类算法做了一系列的研究,主要工作和贡献包括以下几点:,该算法在头表中设定标记域,过滤大量冗余的煌保谑鹘诘阒写娣畔蠲谕繁碇邢嘤Φ男蚝牛蚧乖炫判騍树和后缀子树的复杂度;引入邻接表存储,减少谋冉洗问J笛榻峁表明,;,。该算法先统计该项横向链表上不同节点的数目,然后判断是否需要进行子树合并,减少子树合并的次数,并且在合并和遍历子树的时候,动态设置子树节点中序号域的值,删除冗余的树枝。实验结果表明,.;捎梅植闶徽劢徊嫜橹し椒ɡ雌拦繱掷嗨惴ǖ姆掷嘈阅堋J笛榻果表明,对于同一数据集,在不同的最小支持度阈值下,分类准确度不同,并且若选取合适的最小支持度阈值,能够利用较少的达到较高的分类准确度。治霰冉蟂魍诰蛩惴ê蚐魍诰蛩惴ǖ氖奔湫阅堋J笛榻峁明,对于同一数据集,在同一最小支持度阈值下,.。关键词:数据挖掘;分类算法;显露模式;跳跃显露模式;强跳跃显露模式强跳跃罹露模式挖掘算法及其心用
猼.,瑂,甀,,瑆,—,甌瑆瓵,.猼甀琣瑆猼瑃.,..—琲猼猼甀—甪獀,