發(fā)布時間：2023-06-04 21:33

　　膜計算是自然計算的一個新分支,模型的構(gòu)建強調(diào)在細(xì)胞功能原理中尋求靈感,其模型通常稱為P系統(tǒng)。P系統(tǒng)主要由膜結(jié)構(gòu)、對象以及進化規(guī)則三部分構(gòu)成,具有與圖靈機等價的計算能力。頻繁項集挖掘是數(shù)據(jù)挖掘領(lǐng)域中一個非常重要的任務(wù),挖掘數(shù)據(jù)中共同頻繁出現(xiàn)的有趣項集組合,進一步發(fā)現(xiàn)頻繁項集之間的關(guān)聯(lián),在各種推薦和預(yù)測模型中應(yīng)用廣泛。如今在“大數(shù)據(jù)時代”,海量數(shù)據(jù)非常容易獲取,但海量數(shù)據(jù)的存儲,計算能力不足等問題給頻繁項集挖掘任務(wù)帶來巨大的挑戰(zhàn),因此需要結(jié)合新的計算模型,融入新的改進方法。將P系統(tǒng)應(yīng)用于數(shù)據(jù)挖掘,既是P系統(tǒng)應(yīng)用領(lǐng)域的拓展,也為數(shù)據(jù)挖掘技術(shù)發(fā)展提供了新思路和新方法。本文首先介紹了研究的背景和意義,對涉及到的膜計算、頻繁項集挖掘的研究現(xiàn)狀和發(fā)展趨勢做了綜述。詳細(xì)介紹了組織P系統(tǒng)結(jié)構(gòu)定義,頻繁項集挖掘含義及算法,然后對文章的結(jié)構(gòu)和創(chuàng)新點進行了概述。提出新型膜計算模型并與改進的頻繁項集挖掘算法結(jié)合,最后應(yīng)用到兩個實際應(yīng)用中。主要研究內(nèi)容如下:1.基于組織P系統(tǒng)和細(xì)胞分裂分化功能提出新型裂化自適應(yīng)組織P系統(tǒng)(DATP),利用寄存器原理驗證系統(tǒng)的計算能力,自適應(yīng)的分裂和分化規(guī)則可以減少資源使用。在生物...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀及發(fā)展趨勢
        1.2.1 組織P系統(tǒng)的研究現(xiàn)狀及發(fā)展趨勢
        1.2.2 頻繁項集挖掘的研究現(xiàn)狀及發(fā)展趨勢
    1.3 理論概述
        1.3.1 組織P系統(tǒng)
        1.3.2 頻繁項集挖掘
    1.4 論文主要研究內(nèi)容及創(chuàng)新點
        1.4.1 論文研究內(nèi)容及框架
        1.4.2 論文創(chuàng)新點
第二章 裂化自適應(yīng)組織P系統(tǒng)
    2.1 裂化自適應(yīng)組織P系統(tǒng)(DATP)
        2.1.1 裂化自適應(yīng)組織P系統(tǒng)形式化定義
        2.1.2 裂化自適應(yīng)組織P系統(tǒng)計算能力證明
    2.2 特定酶促裂化自適應(yīng)組織P系統(tǒng)(EDATP)
    2.3 反饋裂化自適應(yīng)組織P系統(tǒng)(FDATP)
第三章 基于EDATP系統(tǒng)的改進ECLAT頻繁項集挖掘算法(ETP-EL)
    3.1 EDATP系統(tǒng)中的對象編碼方式及剪枝策略
        3.1.1 垂直數(shù)據(jù)格式編碼
        3.1.2 EDATP系統(tǒng)中的剪枝策略
    3.2 基于EDATP的改進ECLAT算法(ETP-EL)
        3.2.1 ETP-EL系統(tǒng)設(shè)計
        3.2.2 ETP-EL規(guī)則執(zhí)行過程
    3.3 實例驗證分析
        3.3.1 垂直數(shù)據(jù)格式及編碼
        3.3.2 頻繁項集挖掘過程
    3.4 算法性能比較分析
        3.4.1 時間復(fù)雜度
        3.4.2 閾值選取及剪枝效率分析
第四章 基于FDATP系統(tǒng)的改進VTK頻繁項集挖掘算法(PDT-VTK)
    4.1 差異集及格式轉(zhuǎn)換條件設(shè)置
        4.1.1 差異集及支持度求解設(shè)計
        4.1.2 格式轉(zhuǎn)換條件設(shè)置
    4.2 結(jié)合兩種垂直數(shù)據(jù)結(jié)構(gòu)的DT-VTK算法
    4.3 基于FDATP的 DT-VTK算法(PDT-VTK)
        4.3.1 PDT-VTK系統(tǒng)及規(guī)則設(shè)計
        4.3.2 PDT-VTK算法運算過程
    4.4 實驗分析
        4.4.1 實驗數(shù)據(jù)
        4.4.2 事務(wù)集與差異集內(nèi)存占用比較
        4.4.3 格式轉(zhuǎn)換條件效果分析
第五章 基于DATP的頻繁項集挖掘算法的應(yīng)用研究
    5.1 關(guān)聯(lián)規(guī)則挖掘
    5.2 ETP-EL算法在微博用戶推薦中的應(yīng)用
        5.2.1 微博用戶推薦問題分析
        5.2.2 基于ETP-EL的微博用戶推薦系統(tǒng)
        5.2.3 實際運用及結(jié)果分析
    5.3 PDT-VTK算法在超市貨架布局中的應(yīng)用
        5.3.1 超市貨架布局問題分析
        5.3.2 數(shù)據(jù)處理
        5.3.3 結(jié)果與分析
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 研究展望
參考文獻
攻讀學(xué)位期間論文發(fā)表情況
攻讀學(xué)位期間項目參與情況
攻讀學(xué)位期間獲獎情況
致謝



本文編號：3831056