论文研究基于GPS轨迹的用户兴趣点及频繁路径挖掘研究.pdf

不同时刻的动态网络往往具有不同权重,针对加权动态网络的频繁模式挖掘,提出一种挖掘算法WGDM,它适用于加权动态社会网络、生物网络等方面的频繁模式挖掘。WGDM算法利用支持度的反单调性裁剪搜索空间,从而

针对图像检索识别的需求，提出了一种基于兴趣点的匹配算法，利用小波变换对图像进行降维和去噪，提取其SIFT点特征，同时进行PCA降维，最后采用基于K-d树的最近邻法进行快速匹配。通过对各种图像大量的实验

关联规则是数据挖掘的重要研究内容之一。针对数据库数据增加的同时最小支持度发生改变的关联规则更新维护问题，提出了一种基于矩阵的增量式关联规则挖掘算法IUBM。该算法采用简单的数组和位运算，在执行关联规则

首先对传统集合操作进行了扩展，提出基于扩展集合操作的最大频繁项集生成算法FISES，并从理论和实验上对算法的复杂度进行了详细的分析。实验表明，在最小支持度较小的情况下，FISES比Apriori算

挖掘最大频繁模式是多种数据挖掘应用中的关键问题。提出一种挖掘最大频繁模式的快速算法，该算法利用前缀树压缩存放数据，并通过调整前缀树中节点信息和节点链直接在前缀树上采用深度优先的策略进行挖掘，而不需要创

在FP_growth算法中，FP_tree及条件FP_tree的构造和遍历占了算法绝大部分的时间，为了能减少这方面的时间，提出了一种新型快速的方法——改进的层次频繁模式树（inprovedhierar

高效权重树快速挖掘频繁网页集的方法,朱征宇,徐强,为了了解用户访问行为,从web日志中挖掘频繁页面集已经成为了网络应用挖掘中迫在眉睫的需求。尽管原始的T 权重树算法(T weight tree

将触发式语言模型应用于混淆网络解码过程来提高汉字识别率。为了利用词间的长距离依赖信息，提出了基于词义类对触发式语言模型的混淆网络解码方法。实验结果显示，该方法可以使汉字错误率相对下降7.9%。

近似频繁模式衍生于频繁模式，综合了频繁项集与频繁子图的特点。针对该模式的研究集中在无标签图上，其应用场景主要为社交网络、语义网络、智能电网等。近似频繁模式挖掘过程同时涉及频繁项集挖掘和频繁子图挖掘，因

针对目前常用的相似性度量方法难以满足复杂对象的相似性计算要求，提出了一种基于复杂对象结构分解的分层相似性度量方法。根据属性间的关系紧密程度将复杂对象结构迭代分解，直至基于分解后的简单对象结构的对象可以