【摘 要】
：
随着信息时代的发展,日常生活中生成了大量数据,如何从中发现有用的信息成为当前研究的热点,于是频繁高效用项集挖掘作为数据挖掘领域的代表性问题之一受到广泛关注。在众多解决此类问题的算法中,多目标优化算法不仅具有良好的性能,还能够避免传统项集挖掘算法中阈值难以确定的问题,因而吸引了研究者的注意。但随着数据集规模维度的增大,频繁高效用项集挖掘多目标优化算法在搜索效率、运行时间以及内存消耗等方面存在巨大的挑
论文部分内容阅读
随着信息时代的发展,日常生活中生成了大量数据,如何从中发现有用的信息成为当前研究的热点,于是频繁高效用项集挖掘作为数据挖掘领域的代表性问题之一受到广泛关注。在众多解决此类问题的算法中,多目标优化算法不仅具有良好的性能,还能够避免传统项集挖掘算法中阈值难以确定的问题,因而吸引了研究者的注意。但随着数据集规模维度的增大,频繁高效用项集挖掘多目标优化算法在搜索效率、运行时间以及内存消耗等方面存在巨大的挑战。因此,设计更有效的多目标优化算法来完成这一任务成为主流趋势。为此,本文首先提出一个基于项集归减的多目标优化算法,用于解决高维频繁高效用项集挖掘难以挖掘高质量解的问题。除此之外,为了解决大规模高维频繁高效用项集挖掘问题,本文提出了一个基于事务聚类的多目标优化算法,从规模和维度两个方面缩小搜索空间。本文的主要研究内容如下:（1）本文提出了一个基于项集归减的频繁高效用项集挖掘多目标优化算法（IRMOEA）。目前的多目标优化算法并不适用于解决高维项集挖掘问题,因此,如何在不影响挖掘结果的基础上缩小搜索空间便成了当前研究的重点和存在的挑战之一。为此,本文提出了一种项集归减策略,通过调整搜索方向从而加速种群的收敛。在进化过程中,IR-MOEA提出一个修复策略来修复可能存在的过度归减或未归减到位的项。另外,文中通过所提基于项集适应度的初始化策略在进化初期生成一组稀疏解,以有效地提高IR-MOEA的效率。最后,多个真实和人工数据集上的实验结果表明,IR-MOEA算法优于现有的多目标优化算法,特别是在高维数据集上。（2）本文提出了一种基于事务聚类的大规模高维频繁高效用项集挖掘算法（TCMOEA）。随着数据集规模维度的增加,挖掘频繁高效用项集的效率和效果会越来越差。因此,本文提出一个基于事务聚类的并行框架,通过聚类算法将数据集中具有高关联度的事务分为k类,再对其进行并行的迭代进化,从而提高项集目标值的计算效率。另外,文中还提出一个行-列归减策略,对原始数据集以及划分后的子数据集进行规模和维度两方面的调整,从而对算法的效率和时间消耗进行提升。最后在真实和合成数据集上的实验结果证明,TC-MOEA能够有效地处理大规模高维频繁高效用项集挖掘问题。
其他文献
随着信息科技和网络技术的迅速发展,社交网络平台日益增多且迅速扩充,人们之间沟通和交流方式发生巨大的变化。社交网络中的意见领袖在信息传播过程中起着重要的作用,在商品营销、引导舆论走向、促进政策的宣传等方面具有重要的应用。同样,在社交网络分析中意见领袖节点通常被选作聚类任务的中心节点、影响力传播的种子节点进行研究。因此,挖掘意见领袖用户具有重要的实际价值和研究价值。目前,意见领袖挖掘从单一网络结构出发
传统的推荐方法大多局限于单个领域的推荐。单领域推荐面临着推荐系统中固有的的稀疏性问题,因为在数据十分稀疏的情况下,模型很难获得很好的推荐性能。因此,提出了跨领域的思路。然而,现有的大多数跨域推荐模型只使用了两个域的评分信息,不适用于这些域之间没有重叠用户或项目的场景。另外,如果将辅助域中与目标域无关的信息迁移到目标域中,则可能会引起负迁移问题。基于此,本文提出了两种基于跨领域推荐的方法。一种是基于
近几年来,深度卷积神经网络被广泛地应用于解决各种计算机视觉问题,并且在图像分类、目标检测和语义分割等多个任务中展现了非常好的性能,遥感图像路网提取也依托于深度学习这项技术并取得了新的突破。常规的图像大多以地面为参照系,图像中物体的方向是确定的,而遥感图像是从遥远的空中获取的,图像中的物体具有各个朝向,并且由于长距离的拍摄,图像中的目标通常会很小。遥感图像中的道路蜿蜒曲折,交错纵横,具有道路尺度不均
糖尿病性视网膜病变（Diabetic Retinopathy,DR）是一种与长期糖尿病相关的眼部疾病,有着发病率高、危害性大、初期症状不明显的特点。如果在患病早期能够做出及时的诊断,可以有效地减缓患者视力损害的进展以避免失明。然而,检测DR需要训练有素的临床医生耗费大量时间仔细检查和评估患者视网膜的数字彩色眼底照片,这无疑增大了病情诊断的难度。近年来,由于深度学习在图像分类和目标检测等领域取得的巨
深度学习技术在智能物流配送系统中已经得到了广泛的使用,例如通过目标检测实现对货物的识别和分类,通过人脸识别完成对收货人的确认,和通过自然语言处理实现与收货人的实时交互等。这些智能应用在计算能力和电池容量有限的终端设备上执行,会导致响应时延和能耗较高,无法满足用户的实时性要求。现有的基于云计算环境架构的智能系统也面临着带宽不足、网络波动等问题,服务响应时延过高。此类问题严重影响到智能物流配送系统的稳
基于STEM教育理念，文章以电与磁的教学为例，从五个维度阐述STEM理念下的教学模式，基于真实情境，给学生更多学科融合的学习机会，发展学生的问题解决能力、实践能力和创造思维，并为该课堂模式提供开发思路和教学思考。
车辆关键点检测是表达车辆关键部件位置的一种方法,可以用于提升交通系统视觉任务性能,包括车辆检测、车辆分类和车辆重识别等。因此,车辆关键点检测是计算机视觉领域的一个重要研究课题,但是由于车辆的自身刚性结构以及道路交通的复杂性,导致车辆存在大量遮挡关键点,使得准确检测车辆关键点变得非常困难。本文针对车辆关键点检测中的遮挡问题展开研究,提出遮挡感知沙漏网络,极大提升了关键点检测性能,并将关键点检测应用到
“立德树人”教育理念的提出，让德育的地位得到提升。然而，单纯依靠学校开展德育工作，难以满足学生的成长需求。对此，教师应当意识到家庭是学生成长的港湾，家长是孩子的第一任老师，也应当主动地与家长进行沟通，与家长一起在学生的心中埋下品格的种子，促进学生快乐、健康、幸福成长。在新的时代背景下，对家校共育策略进行积极的探索，旨在实现学生全面发展。
现阶段,我国经济社会发展正处于多重变局中,外部冲击不断,内部环境复杂,国内外金融市场进入风险与矛盾的多发期,面临“需求收缩、供给冲击、预期转弱”的三重压力。如何以“稳增长与防风险”为目标,促进金融市场的平稳健康运行,是我国宏观经济治理的重要命题。在此背景下,抓住新一轮变局下的潜在机遇,充分发挥货币政策对于宏观经济的调控作用,对于夯实金融市场稳定发展基础、促进我国经济平稳运行具有重要意义。本文基于“
随着互联网的快速发展,通信设备大都配备了GPS等定位传感技术。通过GPS,移动用户可以感知自己的位置,来获得基于位置的服务（Location Based Services,LBS）,比如取快递、寻找附近的餐馆等。近年来,LBS已经被大量用户所接受,在人们的生活中发挥着不可或缺的作用。然而,随着LBS的广泛应用,用户的位置可能被不可信的服务方收集,从而威胁用户隐私安全,敌手可以根据用户的背景知识攻击