嵌入频繁子树挖掘研究的综述报告.docx

该【嵌入频繁子树挖掘研究的综述报告 】是由【niuwk】上传分享，文档一共【2】页，该文档可以免费在线阅读，需要了解更多关于【嵌入频繁子树挖掘研究的综述报告 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。嵌入频繁子树挖掘研究的综述报告嵌入频繁子树挖掘是数据挖掘和机器学****领域中一个非常重要的问题,它的研究涉及到图形数据、网络数据、文本数据等多类数据。本篇综述报告主要综述了嵌入频繁子树挖掘的相关研究,包括嵌入式频繁子树挖掘的定义及其意义、嵌入式频繁子树挖掘的应用领域以及当前主流的嵌入式频繁子树挖掘算法。一、嵌入频繁子树挖掘的定义及其意义前面文章提到,嵌入式频繁子树挖掘是图形挖掘中一种的技术,其定义为:在一组图中,找到所有具有足够的频率(即出现次数)的子图的集合。以嵌入式频繁子树挖掘为例,它的意义在于能够提取图形数据中频繁模式的信息,这对于图形分类、识别、推荐等任务非常重要。嵌入式频繁子树挖掘的目的是提取重要的嵌入子树或其它形状的图形,并且这些嵌入子树或其它形状在图形数据中具有重要的地位。二、嵌入频繁子树挖掘的应用领域嵌入式频繁子树挖掘在图形挖掘中应用十分广泛,可以用来预测、分类、聚类、图像识别、数据库挖掘等多个应用领域。在大规模的数据集上,嵌入式频繁子树挖掘可以高效地挖掘出频繁子树,帮助用户更好地理解数据,提供更好的数据探索工具。此外,在生物序列、化学分子、图形网页、社交网络等多个领域,嵌入式频繁子树挖掘也展示了其它效应。三、当前主流的嵌入式频繁子树挖掘算法1、Apriori-basedAlgorithmApriori-basedAlgorithm是最少用的频繁子树挖掘技术。该算法基于Apriori法则,对于所有的嵌入子树,它伴随着它的子树形成新的子树,该算法可以在合理的时间内输出所有频繁产乘子树。但是,该算法增加了许多不必要的计算,随着图形尺寸的增加,算法会产生大量的候选项,导致效率较低。2、固定点表示算法FixedPointRepresentationAlgorithm是一种基于“”的嵌入子树方法,该算法将子树元素转换为字符串,并比较所有嵌入的嵌入子树。3、基于频繁子序列挖掘的方法该算法利用基于汉明距离的方法,将不同图形之间的嵌入子树表示为两个相似的字符串,该算法速度较快,而且对于颜色、粗细、方向等变化因素的敏感性较小。4、树形关联规则算法该算法分别挖掘两棵树之间的关联关系。因为树本身的每个元素是节点,所以该算法仅适用于树形数据。该算法具有高效的性质,并且在大规模数据集上表现良好。综上所述,嵌入式频繁子树挖掘在图形挖掘中具有广泛的应用前景,在实际应用中应当根据数据集的大小、特点等选择不同的算法。