基于图数据的极大频繁子树挖掘算法研究.docx
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
![preview](https://dl-preview.csdnimg.cn/87225629/0001-951172faf5cc0b1c67dbd33afa0d27ad_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
"基于图数据的极大频繁子树挖掘算法研究" 该研究主要关注基于图数据的极大频繁子树挖掘算法。传统的频繁子树挖掘算法存在一些缺陷,如时间和空间复杂度高、无法处理大型数据集等。为了解决这些问题,作者提出了一个新的基于图数据集的极大频繁子树挖掘算法MFST(Maximal Frequent SubTree mining algorithm)。该算法的时间复杂度为Ο(2nlogn),其中n是顶点数。该算法在面向图数据集时优于基于半结构化(树结构)数据集的算法。 在该研究中,作者首先定义了基本概念,如标号图、支持度、频繁子图和频繁子树、极大频繁子图和极大频繁子树等。然后,作者提出了图的编码与规范化矩阵的概念,并证明了规范化编码的唯一性。最后,作者讨论了候选子树的生成方法,包括连接(Join)和扩展(Extension)操作。 该研究的主要贡献在于提出了一种新的基于图数据集的极大频繁子树挖掘算法MFST,该算法可以有效地处理大型图数据库,并且具有良好的时间复杂度。此外,作者还提出了图的编码与规范化矩阵的概念,并证明了规范化编码的唯一性。 knowledge points: 1. 频繁子树挖掘技术的应用广泛,但传统的频繁子树挖掘算法存在一些缺陷,如时间和空间复杂度高、无法处理大型数据集等。 2. 基于图数据集的极大频繁子树挖掘算法MFST可以有效地处理大型图数据库,并且具有良好的时间复杂度。 3. 标号图是指一个无向简单图,定义为四元组 G=(V, E, Σ, l),其中 V 是图 G 的顶点集,E⊆V×V 是图 G 的边集,Σ 是由数字或字母组成的具有偏序关系的标号集,l 是顶点和边到标号集的映射函数。 4. 支持度是指给定图数据集 GD 中与图 G 同构的子图的个数与图数据集 GD 中所有图的数量的比值。 5. 频繁子图和频繁子树是指图 G 的子图 G',其中图 G 的支持度大于或等于最小支持度阈值。 6. 极大频繁子图和极大频繁子树是指图数据集 GD 中的一个频繁子图 G,如果任意真包含 G 的图 G′(G⊂G')都不是频繁图,则称图 G 为极大频繁子图。 7. 图的编码是指图 G 的下三角邻接矩阵 A 的下三角元素依次按行列顺序排列给出一个编码。 8. 规范化矩阵是指图 G 的下三角邻接矩阵 A,如果其编码 code(A)在所有编码中最大,则称为图 G 的规范化编码。 9. 连接操作是指由两个已知的频繁子树生成新的候选子树。 10. 扩展操作是指在频繁子树挖掘中,生成新的候选子树。
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083646.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![](https://csdnimg.cn/release/download_crawler_static/87225629/bg1.jpg)
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
- 粉丝: 3907
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)