检索结果-内蒙古大学图书馆

计算机应用与软件 2012年第10期29卷 148-151,233页

作者：倪萍魏芳上海贝尔股份有限公司上海210206 复旦大学上海200433

无线传感网络目前在智能建筑中得到大规模的应用,从而产生大量的历史数据。提出一种提高无线传感网络中数据模式可读性的方法,包括两个步骤:(1)通过数据预处理的方式使得数据在预处理后再利用经典FP-Growth关联规则挖掘算法得到的模式... 详细信息

无线传感网络目前在智能建筑中得到大规模的应用,从而产生大量的历史数据。提出一种提高无线传感网络中数据模式可读性的方法,包括两个步骤:(1)通过数据预处理的方式使得数据在预处理后再利用经典FP-Growth关联规则挖掘算法得到的模式更符合人的常识;(2)在产生的模式中利用状态图对模式进一步压缩,得到可读并且易于理解的模式集合。

关键词：智能建筑无线传感网络数据清洗模式压缩

来源：评论

学校读者我要写书评

暂无评论

挖掘Top-K频繁模式的算法研究

挖掘Top-K频繁模式的算法研究

引用

作者：郑超北京交通大学

学位级别：硕士

数据挖掘是研究从大量数据中发现有用知识的理论与方法,它是目前国际上数据库和信息决策领域的最前沿研究方向之一.关联规则是数据挖掘中一个较早的、有意义的研究课题之一.在关联规则的挖掘过程中,频繁模式挖掘是整个挖掘过程的核心,... 详细信息

数据挖掘是研究从大量数据中发现有用知识的理论与方法,它是目前国际上数据库和信息决策领域的最前沿研究方向之一.关联规则是数据挖掘中一个较早的、有意义的研究课题之一.在关联规则的挖掘过程中,频繁模式挖掘是整个挖掘过程的核心,如何有效的挖掘频繁模式一直以来就是研究人员关注的热点.然而在实际应用中,由于挖掘出来的频繁模式数量巨大,从而阻碍了频繁模式的应用.因此,如何对频繁模式进行压缩成为了研究的一个重要方向. 本文首先介绍了关联规则和频繁模式的相关概念及基本挖掘技术,随后详细介绍了频繁模式压缩技术,并简要分析与比较了几种有效的频繁模式压缩方法.最后,本文提出了三个基于Top-K思想的频繁模式压缩算法. (1)提出了一个基于Apriori的Top-K频繁模式挖掘算法ATFP该算法沿用了Apriori算法的基本思想,但是在挖掘过程中使用了边界支持度来取代最小支持度,从而实现了对候选项集进行筛选.然而由于该算法依然采用了迭代思想,因此与其它Top-K频繁模式挖掘算法相比效率并不高. (2)提出了一个基于混合搜索策略的改进算法MSTFP.该算法是ATFP算法与Top-K FP-growth算法的结合.算法使用广度优先搜索策略来进行初始项目的挖掘,随后使用深度优先策略进一步对长项集进行挖掘. (3)最后提出了一个基于水平格式的Top-K频繁闭模式挖掘算法TFCP.该算法主要采用类似垂直挖掘的思想来进行频繁闭模式的挖掘,同时使用TFP算法中的限制条件对结果集进行了优化. 本文对所提出的算法进行了广泛的性能测试.在UCI机器学习库中的19个数据集以及IBM数据生成器上生成的2个数据集上的实验结果表明,与Top-K FP-growth算法相比,本文所提出的ATFP算法的挖掘效率要略逊一筹.但是改进算法MSTFP在与Top-K FP-growth以及ExMiner算法的比较中,在挖掘速度上的优势非常明显.本文还将TFCP算法与TFP以及CLOSET+算法进行了比较分析,实验结果表明本文所提出的TFCP算法在进行长模式的挖掘时更有效率.这些研究成果为频繁模式在实际问题中的应用提供了一种有效的途径.

关键词：关联规则频繁模式模式压缩 Top-K 频繁闭模式

来源：评论

学校读者我要写书评

暂无评论

1.5mm腔长InAs/InP量子点激光器镜面外腔光谱特性研究

引用

半导体光电 2012年第5期33卷 636-640,644页

作者：柳庆博龚谦曹春芳汪洋岳丽严进一成若海中国科学院上海微系统与信息技术研究所信息功能材料国家重点实验室上海200050

基于研制的1.5mm腔长InAs/InP共面条状量子点激光器,搭建了其镜面外腔结构,并对其光谱特性进行了测试,获得了镜面外腔周期性调制光谱,并在周期性的产生、多模激射和模式随电流的变化等方面对其光谱特性进行了分析研究。相比以前为获得... 详细信息

基于研制的1.5mm腔长InAs/InP共面条状量子点激光器,搭建了其镜面外腔结构,并对其光谱特性进行了测试,获得了镜面外腔周期性调制光谱,并在周期性的产生、多模激射和模式随电流的变化等方面对其光谱特性进行了分析研究。相比以前为获得单模使用的超短腔长超短外腔量子阱激光器,长腔长InAs/InP量子点激光器表现出较小的模式压缩比,更容易发生多模激射。

关键词：镜面外腔 InAs InP量子点激光器外腔调制模式压缩

来源：评论

学校读者我要写书评

暂无评论

基于垂直切分的并行频繁闭序列挖掘算法的研究与实现

基于垂直切分的并行频繁闭序列挖掘算法的研究与实现

引用

作者：毕天驰东北大学

学位级别：硕士

序列挖掘一直为数据挖掘中一个非常重要的分支,从Agrawal和Srikant在1995提出序列的概念之后,越来越多的学者投入到这个课题的研究。随着数据挖掘相关技术的发展,数据挖掘将会在更多领域发挥巨大的作用。在面对大数据,无法将需要挖掘的... 详细信息

序列挖掘一直为数据挖掘中一个非常重要的分支,从Agrawal和Srikant在1995提出序列的概念之后,越来越多的学者投入到这个课题的研究。随着数据挖掘相关技术的发展,数据挖掘将会在更多领域发挥巨大的作用。在面对大数据,无法将需要挖掘的数据放在一台物理机器上时,如何进行序列挖掘。现有的不少并行挖掘算法需要产生候选模式,还有一些算法虽然不会产生候选模式,但都依赖于机器实际的物理内存,一旦需要挖掘的数据超过机器的物理内存,将无法进行挖掘。本文的主要工作如下:(1)根据目前的了解,本文第一次提出基于垂直切分挖掘频繁闭序列这个概念,原本序列挖掘算法时间复杂度都是由数据的列数决定,减少数据的列数就能很大程度减少挖掘时间。本文采用序列求交的方式,缩短序列的长度,这相当于在竖直方向将原始序列分割成较短的序列。再从求交结果中选出K条差异度最大的序列,这又使得序列之间列数差异较大,两步均可相当程度上缩短挖掘时间。(2)在大数据环境中,大部分序列挖掘都会压缩数据集,使得尽量在小规模或者具有代表性的数据集上进行挖掘工作。本文提出压缩频繁模式的观点,压缩模式的好处在于减小了频繁闭模式枚举范围,缩短挖掘时间,减小算法的时间复杂度。(3)本文改进了序列挖掘算法基于内存递归挖掘这一特点,考虑到大数据场景下实际的数据很大程度上无法放入机器的物理内存,本文采用一个任务挖掘一次固定长度频繁闭序列,即在压缩后的模式上枚举固定长度闭序列,这样做虽然没有递归挖掘高效,但很好的解决了数据无法放入内存中挖掘的问题。(4)本文采用现阶段最流行的并行框架Hadoop实现频繁闭序列挖掘算法。充分利用Hadoop的并行特点,将海量数据分散存储到集群中的各个节点上,按照map函数、reduce函数的特点编写算法,因为枚举出的模式独立的分发到不同节点进行检测封闭性,因此本算法获得较高的加速比。

关键词：数据挖掘序列模式模式压缩并行挖掘 MapReduce

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：