非自由选择结构挖掘算法的研究的中期报告.docxVIP

非自由选择结构挖掘算法的研究的中期报告

非自由选择结构挖掘算法的研究的中期报告

一、研究背景

目前，随着数据量的不断增大和各行业应用场景的不断延伸，挖掘非自由选择结构的需求愈发迫切。同时，传统的基于贪心策略或者暴力求解非自由选择结构的方法，时间复杂度过高，缺乏效率。为此，本研究提出了一种新的非自由选择结构挖掘算法。

二、研究目的

基于已有的研究成果，提出更为高效的非自由选择结构挖掘算法，实现简单、可扩展、高效的非自由选择结构的挖掘。

三、研究内容

1.算法模型设计

本研究将基于FP-growth算法，结合传统的深度优先遍历算法底层基础。通过对数据集的预处理，将数据集按照一定的规则存储在前缀树中，对前缀树进行深度优先遍历，采取广度优先遍历方式生成非自由选择结构，同时，为了减少计算时间，在非自由选择结构生成过程中进行数据剪枝。

2.数据集处理

通过对原始数据集的预处理，去掉重复数据、空字符、低频数据等，减少数据存储和遍历时所花费的时间开销。

3.非自由选择结构生成算法

基于前缀树和深度优先算法，采取广度优先遍历方式生成非自由选择结构，并进行数据剪枝。

四、预期研究结果

1.实现非自由选择结构的可行性和准确性。

2.算法运行效率明显提升。

五、研究计划

1.根据数据集的实际情况，设计算法原型，构建数据模型。

2.实验数据处理和分析。

3.开发算法程序，进行实验机验。

4.进行实