原创力文档- 1、本文档共3页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
数据流中top-k项频繁闭合模式挖掘研究的任务书
一、研究背景和意义
随着互联网信息的急速增长，数据流挖掘逐渐成为了一个新的研究热点和应用领域。数据流挖掘在很多领域都有很大的应用价值，尤其是在网络数据分析、移动应用领域、物联网、环境监测、医疗健康等方面，例如对于用户行为分析、特定事件检测、实时安全预测以及数据流中的异常检测等任务。针对数据流中挖掘高频项目集的研究已经得到了较好的解决。然而，对于一些类似于序列数据之类的自由数据流，如WEB日志、传感器数据等，其每个项目可能存在若干不同的属性值，而且频繁项集的条目随着时间推移常常会发生变化。为了挖掘数据流中更有代表性的模式，近年来的研究越来越关注数据流中频繁闭合模式（FCM）的挖掘，FCM的挖掘不仅可以发现数据流中较为有意义和有代表性的模式，而且可以帮助用户根据挖掘结果制定相应的业务策略，推动企业发展。
二、研究任务
本项目旨在研究数据流中top-k项频繁闭合模式的挖掘方法，包括以下几个方面的研究任务：
1.设计数据流中top-k项频繁闭合模式挖掘算法；
2.基于实际数据流数据集中的各项特点，对数据流中top-k项频繁闭合模式挖掘算法进行改进；
3.针对数据流中top-k项频繁闭合模式的特殊属性进行分析，并提出相应的挖掘方法；
4.设计实验方案和实验方法，验证算法的有效性和可行性；
5.结合实际应用场景，使用所设计的算法进行数据分析，并提出相应的业务策略建议。
三、研究内容
1.数据流中top-k项频繁闭合模式的定义和算法；
2.数据流中top-k项频繁闭合模式的挖掘方法；
3.数据流中top-k项频繁闭合模式的优化算法；
4.数据流中top-k项频繁闭合模式的特殊属性分析及挖掘方法；
5.实验方案设计、实验方法设计及实验结果分析；
6.根据实验结果提出相应的业务策略建议。
四、研究要求
1.掌握数据流挖掘、频繁闭合模式挖掘相关的基础理论和算法；
2.熟悉常见的数据流挖掘工具及数据挖掘软件；
3.具备一定的编程能力和算法实现能力，能够使用Java、Python等语言完成算法实现；
4.具有较强的数据分析能力，能够对实验数据进行合理的分析和处理，提出合理的结论和建议。
五、研究成果
1.所设计的数据流中top-k项频繁闭合模式挖掘算法；
2.对所设计算法的优化方法及相应实验结果的分析；
3.对数据流中top-k项频繁闭合模式的特殊属性进行分析，并提出相应的挖掘方法；
4.实验方案和实验结果分析报告；
5.相关的研究论文、技术报告和专利申请。
六、参考文献
1.PeiJ,HanJ,etal.Miningfrequentpatternswithoutcandidategeneration:Afrequent-patterntreeapproach[C].ACMSIGMODIntConfonManagementofData,2000,129-140.
2.ZhangL,ZhuJ,WangH.Efficientminingoffrequentclosedpatterns[C].Proceedingsofthe17thInternationalConferenceonDataEngineering,2001:79-88.
3.PavanKumarP,RajalakshmiA,etal.EfficientMiningofTop-kHighUtilityItemsetsfromDataStreams[J].ProcediaEngineering,2012,38:3477-3490.
4.YanG,HanJ,afolabiAetal.CP-Miner:Atoolforfindingcoretechnologypatternsbyminingfrequentpatterntrees[C].ACMSIGKDDInternationalConferenceonKnowledgeDiscoveryandDataMining,ACM,2003:87-96.
5.YuZ,LiuC,WuQ.DCM-Close:EfficientMiningFrequentClosedPatternsFromDataStreams[C]//2019IEEEInternationalConferenceonBigDataandSmartComputing(BigComp).IEEE,2019:1-8.
文档评论（0）