

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著人類基因組計劃的完成,大量的基因表達數(shù)據(jù)被人們發(fā)掘出來,如何通過對基因表達數(shù)據(jù)的挖掘,揭示出數(shù)據(jù)中所蘊含的生物學信息,已經(jīng)成為數(shù)據(jù)挖掘中和生物信息學研究中的熱點內(nèi)容。
但由于基因表達數(shù)據(jù)具有不同于傳統(tǒng)數(shù)據(jù)集的高維、低樣本的特點,使得對生物信息的挖掘具有很大的挑戰(zhàn)性。其中由于關聯(lián)規(guī)則的形式簡單而且容易理解,已經(jīng)成為了基因表達數(shù)據(jù)分析中的重要方法之一。頻繁閉合項集挖掘則在關聯(lián)規(guī)則挖掘占據(jù)了重要的地位。
本文在研究已有
2、的基因表達數(shù)據(jù)的頻繁閉合項集挖掘算法的基礎上,針對當前算法中存在的一些不足,提出改進算法,主要工作如下:
1)對已有頻繁項集和頻繁閉合項集挖掘算法進行深入研究。分析現(xiàn)有算法的優(yōu)缺點,重點研究了基因表達數(shù)據(jù)頻繁閉合項集挖掘算法。
2)本文研究了基因表達數(shù)據(jù)中挖掘top-k頻繁閉合項集問題,并設計了挖掘算法ZDtop。算法使用ZBDD結構壓縮存儲數(shù)據(jù)集,采用遞歸的思想構造ZBDD結構,通過是否包含某個特定的項目集對搜索空
3、間進行劃分,并結合有效的剪枝策略,加快了頻繁閉合項集的產(chǎn)生速度。同時ZDtop算法不需要用戶事先給定支持度閾值,使輸出的頻繁閉合項集的數(shù)量在用戶的可控制范圍內(nèi)。通過實例分析,證明了該算法正確有效性。
3)在對經(jīng)典頻繁項集并行算法的研究分析后,提出了基于局部 ZBDD結構的頻繁閉合項集并行挖掘算法 DL-ZBDD,通過在各處理機上構造局部 ZBDD結構,并行使用串行ZBDD算法在各處理機上進行挖掘。理論分析表明,算法是正確有效的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 頻繁閉合項集挖掘研究.pdf
- 頻繁閉合項集挖掘算法及應用研究.pdf
- 在線挖掘數(shù)據(jù)流閉合頻繁項集算法的研究.pdf
- 基于矩陣的頻繁項集挖掘算法研究.pdf
- 最大頻繁項集和頻繁基項集挖掘算法研究.pdf
- 基于待與項集的頻繁項集挖掘算法的研究.pdf
- 頻繁閉項集挖掘算法研究.pdf
- 基于頻繁模式樹的最大頻繁項集挖掘算法研究.pdf
- 基于抽樣的云頻繁項集挖掘算法研究.pdf
- 基于格的快速頻繁項集挖掘算法
- 最大頻繁項集挖掘算法的研究.pdf
- 基于MapReduce框架的頻繁項集挖掘算法研究.pdf
- 基于垂直格式的頻繁項集挖掘算法研究.pdf
- 快速頻繁項集挖掘算法研究.pdf
- 一種數(shù)據(jù)流頻繁閉合項集挖掘算法的研究.pdf
- 基于FP-Tree的頻繁項集挖掘算法研究.pdf
- 基于頻繁項集的互補替代關系挖掘算法.pdf
- 微陣列數(shù)據(jù)集的頻繁閉合模式挖掘算法研究.pdf
- 基于數(shù)據(jù)流的頻繁項集挖掘算法研究.pdf
- 基于傾斜時間窗口的頻繁項集挖掘算法研究.pdf
評論
0/150
提交評論