论文纲要：不决定数据情况下的功效形式发掘接洽

        连年来，跟着物联网与普适计划本领的普遍运用，对于如RFID数据，传感器数据，及时视频数据等不决定数据的搜集在日趋延长。所以，对准搜集到的单机型或散布式型不决定数据的一再项或项集发掘题目惹起了数据库与数据发掘范围的关心。而正文恰是聚焦在不决定数据库中几率的功效项或项集发掘题目。因为不决定数据固有的随机性，使得在不决定数据中发掘一再项集常常具备较高的计划搀杂性，并且那些题目在散布式情况下也开销较高的通讯本钱。         为了克复上述挑拨，正文深刻接洽了两个有代办性的题目，即单机型不决定数据库中几率功效项集发掘和散布式不决定情况下功效项发掘。对于单机型不决定数据库中几率功效项集发掘题目，正文提出了一个灵验的鉴于深度优先探求的求解框架，其囊括一个灵验的数据发掘构造以扶助发掘处置进程和几项为了大幅缩小探求空间的剪枝与定界本领。其余，对于散布式不决定情况下功效项发掘的题目，正文安排一个鉴于限制阈值的求解计划，该计划不只供给一系列表面定界的保证体制，并且还尽大概地贬低散布式通讯本钱。最后，正文经过在如实和合成的不决定数据集上的普遍试验考证了所提出算法的灵验性。