检索结果-内蒙古大学图书馆

华中科技大学学报（自然科学版） 2012年第S1期40卷 104-107页

作者：王伟娜李陶深陈庆锋广西大学计算机与电子信息学院广西南宁530004 东华软件股份有限公司北京100190

针对PrefixSpan算法在产生频繁序列模式(特别是挖掘密数据集和长序列模式)时会产生大量的投影数据库,使得算法性能下降的问题,提出一种基于投影位置的序列模式挖掘(PSPM)算法.该算法利用Apriori性质舍弃对非频繁项存储,节省了存储空间... 详细信息

针对PrefixSpan算法在产生频繁序列模式(特别是挖掘密数据集和长序列模式)时会产生大量的投影数据库,使得算法性能下降的问题,提出一种基于投影位置的序列模式挖掘(PSPM)算法.该算法利用Apriori性质舍弃对非频繁项存储,节省了存储空间和扫描不可能出现序列的挖掘时间;在递归挖掘过程中,利用投影位置表直接定位投影序列位置进行挖掘局部频繁项,避免了构造投影数据库,从而提高执行效率.实验结果表明:与PrefixSpan(with pseudo-pro)算法相比,PSPM具有更好的执行效率和可伸缩性.

关键词：数据挖掘序列模式 PrefixSpan 投影位置投影数据库

来源：评论

学校读者我要写书评

暂无评论

挖掘序列模式和结构化模式的精简集

挖掘序列模式和结构化模式的精简集

引用

作者：王涛华中科技大学

学位级别：博士

在今天的信息社会中,人们已经拥有了大量的数据,迫切需要将这些数据转化为有用的信息和知识。在这样的背景下,数据挖掘这门新兴学科受到广泛的关注。数据挖掘是在大量的数据中寻找知识,其中,序列模式和结构化模式的挖掘是一个重要的数... 详细信息

在今天的信息社会中,人们已经拥有了大量的数据,迫切需要将这些数据转化为有用的信息和知识。在这样的背景下,数据挖掘这门新兴学科受到广泛的关注。数据挖掘是在大量的数据中寻找知识,其中,序列模式和结构化模式的挖掘是一个重要的数据挖掘问题,有着广泛的应用。在序列模式的挖掘中,最为重要、最有影响力的算法包括GSP算法和PrefixSpan算法。这些算法都是挖掘频繁序列模式的全集,当序列模式的数量很大时,挖掘序列模式的全集不仅效率很低,而且效果也不好,因为要存储和理解这么多的序列模式是不现实的。解决这个问题的一种途径就是不再去挖掘序列模式的全集,而是只挖掘它的一个精简集。精简集保留了频繁序列模式的总体信息,但序列模式的数目大为减少,有助于用户理解挖掘结果,也有助于提高挖掘算法的效率。精简的频繁序列模式基就是这样一种精简集,它是频繁序列模式全集的一个特殊子集,能用它来估计不在其中的序列模式的支持度,而且误差能保证在用户指定的误差上限内。有两种构造精简的频繁序列模式基的方法:第一种方法逐级检查所有的频繁序列模式,当一个频繁序列模式不能被它在精简基中的子模式估计支持度时,它才被加到精简基中;第二种方法用相对于一系列支持度阈值的最大序列模式构造精简的频繁序列模式基。在采用这种方法的算法中,给出了如何判断最大序列模式的方法,还设计了一些搜索空间剪枝技术,提前剪掉那些不可能生成最大序列模式的分支来加速挖掘过程。压缩频繁序列模式集是针对频繁序列模式的全集太大这个问题的另一种解决方法。为了得到高质量的压缩效果,先对频繁序列模式聚簇,再从每个簇中挑选出有代表性的序列模式,使这些有代表性的序列模式的数目尽可能地少。一个贪婪算法和一个基于候选集的快速算法是压缩频繁序列模式集的有效算法。有代表性的序列模式集合也是频繁序列模式的一种精简集,实验结果表明它能取得很好的压缩效果。树模式的挖掘比序列模式的挖掘更为困难,因为在树模式的挖掘中,子树的组合方式太多。而精简的频繁子树基由相对于一系列支持度阈值的最大频繁子树组成,它是频繁子树的一个精简集,可以用它来估计任一频繁子树的支持度,并能将误差控制在确定范围内。一个算法能用来从带标号的有根有序树的数据库中挖掘子树精简基,这个算法经过简单的扩展后也能用来挖掘有根无序树。该算法采用最右扩展的方式系统地生成频繁子树,采用的剪枝技术能减小搜索空间,合理安排的计算次序能提高计算的效率。数据库中的频繁模式可以用于建立数据库索引。基于树模式的数据库索引首先挖掘频繁子树,并从中挑选出有判别力的子树作为索引属性,然后将索引属性集合中的子树转换成序列,并将索引组织成前缀树的形式。频繁子结构能揭示数据的内在特性,对于数据库修改也很稳定,用有判别力的频繁子树为树数据库构造索引,能显著地提高子树查询的性能。

关键词：数据挖掘序列模式频繁子树精简集

来源：评论

学校读者我要写书评

暂无评论

基于概念格的数字图书馆用户检索行为序列模式挖掘研究

引用

现代图书情报技术 2010年第3期 13-18页

作者：黄微毕强滕广青吉林大学管理学院长春130022

提出一种基于概念格的数字图书馆用户检索行为序列模式挖掘方法。该方法采用"基于概念格的自顶向下与分治相结合"的挖掘思想,通过自顶向下的概念格迭代,利用概念格的复用性和提取频繁项集的优势,获得数字图书馆用户检索行为... 详细信息

提出一种基于概念格的数字图书馆用户检索行为序列模式挖掘方法。该方法采用"基于概念格的自顶向下与分治相结合"的挖掘思想,通过自顶向下的概念格迭代,利用概念格的复用性和提取频繁项集的优势,获得数字图书馆用户检索行为的序列模式。该方法不需要遍历原始用户信息数据库,能够大大压缩挖掘时间,有助于数字图书馆提高用户检索速度、改进个性化服务。

关键词：概念格数字图书馆用户检索行为序列模式

来源：评论

学校读者我要写书评

暂无评论

序列模式发现中关键问题的研究

序列模式发现中关键问题的研究

引用

作者：季钰合肥工业大学

学位级别：硕士

数据库知识发现(KDD)是当前涉及人工智能和数据库等学科的一门相当活跃的研究领域,序列模式发现是其中的一个重要研究方向。当前序列模式发现算法需要多次扫描数据库,挖掘所有的频繁序列,时间开销较大。在实际应用中,最小支持度的设置... 详细信息

数据库知识发现(KDD)是当前涉及人工智能和数据库等学科的一门相当活跃的研究领域,序列模式发现是其中的一个重要研究方向。当前序列模式发现算法需要多次扫描数据库,挖掘所有的频繁序列,时间开销较大。在实际应用中,最小支持度的设置是一个敏感问题。为此,本文针对以上关键问题进行研究,主要工作如下: (1)提出一种基于统计方法动态确定最小支持度的算法NewGSP。传统的序列模式发现算法中的最小支持度需要人为来设定,具有一定的局限性。NewGSP采用采用统计方法,动态地确定最小支持度,压缩候选序列集。理论分析及实验表明NewGSP较传统的序列模式发现算法在时间和空间性能上具有一定的优越性。 (2)提出一种基于图结构发现闭合序列模式的新算法G-CloSpan。挖掘闭合序列集合能在保持信息完备性的前提下,比挖掘频繁序列全集更加精简有效。G-CloSpan算法仅需扫描一次数据库,将与挖掘任务相关的信息映射在频繁2序列图(F2SG)中,通过位置信息来计算支持度,不必反复扫描数据库,从而减少搜索空间,提高了闭合序列的生成效率。理论分析实验表明,该算法较传统的闭合序列模式发现算法在时间和空间性能上具有优越性。 (3)基于上述研究,实现了序列模式发现的原型系统SeqDM,从理论和实验上证明了所提出的算法的正确性和有效性。

关键词：数据挖掘序列模式统计方法频繁序列图闭合序列模式

来源：评论

学校读者我要写书评

暂无评论

一种有效的并行序列模式挖掘算法

引用

计算机工程 2009年第18期35卷 59-61页

作者：田卫东姜海辉合肥工业大学计算机与信息学院合肥230009

为解决共享存储的并行计算环境下挖掘序列模式时存在的处理器负载不平衡及缺少有效剪枝策略的问题,提出采用动态任务分配的办法来平衡处理器之间的工作负载,利用并行局部剪枝技术消除投影数据库的重复生成与计算以提高挖掘效率。设计一... 详细信息

为解决共享存储的并行计算环境下挖掘序列模式时存在的处理器负载不平衡及缺少有效剪枝策略的问题,提出采用动态任务分配的办法来平衡处理器之间的工作负载,利用并行局部剪枝技术消除投影数据库的重复生成与计算以提高挖掘效率。设计一种基于共享存储SMP系统的并行序列模式挖掘算法PFSPAN。算法分析和实验结果表明,PFSPAN能够有效地挖掘序列模式。

关键词：数据挖掘序列模式并行处理任务分配局部剪枝

来源：评论

学校读者我要写书评

暂无评论

一种基于灰关联的序列模式挖掘算法

引用

北京邮电大学学报 2003年第3期26卷 32-36页

作者：刘旭祁之力谭立刚北方交通大学交通运输学院自动化系统研究所北京100044 中央民族大学北京100081

序列模式挖掘算法多是利用了关联规则挖掘中的Apriori特性.利用灰关联方法对原始序列进行净化处理,从而减少挖掘算法中的噪声数据.其理论依据在于,如果一个序列是频繁的,那么该序列的时间间隔也必然是频繁的.利用了灰关联分析方法找出... 详细信息

序列模式挖掘算法多是利用了关联规则挖掘中的Apriori特性.利用灰关联方法对原始序列进行净化处理,从而减少挖掘算法中的噪声数据.其理论依据在于,如果一个序列是频繁的,那么该序列的时间间隔也必然是频繁的.利用了灰关联分析方法找出两个项之间的频繁时间间隔,再利用该间隔扫描事务序列数据库,从而最终找出频繁序列.

关键词：灰关联序列模式数据挖掘数据库

来源：评论

学校读者我要写书评

暂无评论

基于频繁概念格的序列模式发现研究

引用

计算机科学 2004年第S2期31卷 168-171页

作者：孙莹胡学钢合肥工业大学计算机与信息学院合肥230009

1引言Rakesh Agrawal[1～3]等对超市数据进行分析时首先提出了序列模式(sequential patterns)发现这一KDD分支.经典的序列模式发现算法包括:***等人提出Aprioriall算法[1]和GSP算法[2,3];PSP[4]算法是GSP算法的改进;Han等人提出,称为基... 详细信息

1引言Rakesh Agrawal[1～3]等对超市数据进行分析时首先提出了序列模式(sequential patterns)发现这一KDD分支.经典的序列模式发现算法包括:***等人提出Aprioriall算法[1]和GSP算法[2,3];PSP[4]算法是GSP算法的改进;Han等人提出,称为基于序列模式增长(sequential patternsgrowth)方法,包括FreeSpan[12],PrefixSpan[13]算法,但都需要多次扫描数据库.

关键词：概念格序列模式发现研究 Sequential Patterns 发现算法模式增长超市数据数据库扫描经典方法

来源：评论

学校读者我要写书评

暂无评论

基于编码频繁模式树的序列模式挖掘算法

引用

计算机工程 2007年第6期33卷 65-68页

作者：胥春艳天津大学管理学院天津300072

提出了同时适用于一维和多维序列数据的统一存储结构——编码频繁模式树(CFP-tree),并通过渐进的前缀序列搜索方式来发现频繁序列模式,避免了在挖掘过程中递归地产生大量的中间子序列。实验证明,该算法在大规模数据的处理上比现有序列... 详细信息

提出了同时适用于一维和多维序列数据的统一存储结构——编码频繁模式树(CFP-tree),并通过渐进的前缀序列搜索方式来发现频繁序列模式,避免了在挖掘过程中递归地产生大量的中间子序列。实验证明,该算法在大规模数据的处理上比现有序列模式挖掘算法有更好的性能。

关键词：数据挖掘序列模式多维度序列

来源：评论

学校读者我要写书评

暂无评论

具有双时间维约束的股票序列模式挖掘

引用

计算机工程 2003年第20期29卷 87-88,134页

作者：龚惠群黄超彭江平湖南大学工商管理学院长沙410082 复旦大学计算机与信息技术系上海200433 湖南大学会计学院长沙410082

建立了在证券交易分析中常见的具有双时间维约束的交易规则模型，针对该模型采掘的特殊性，文章提出了两个数据预处理的算法，最后给出了此类规则的挖掘算法。实验证明该模型计算法是正确有效的。

关键词：双时间维约束序列模式股票分析交易规则模型数据挖掘

来源：评论

学校读者我要写书评

暂无评论

面向访问序列模式的页面推荐方法

引用

计算机工程与应用 2010年第25期46卷 127-130页

作者：王海波李朋轩徐一秋牡丹江医学院教育技术与信息中心黑龙江牡丹江157011 阿里巴巴(中国)网络技术有限公司杭州310099

为了提高页面推荐质量,给出面向访问序列模式的页面推荐方法。此方法采用Web访问序列模式结果进行推荐,用树形结构存储挖掘得到的Web访问序列模式,在树形结构的基础上进行页面匹配。采用可变活动窗口技术,并引入页面选择关注度和页面平... 详细信息

为了提高页面推荐质量,给出面向访问序列模式的页面推荐方法。此方法采用Web访问序列模式结果进行推荐,用树形结构存储挖掘得到的Web访问序列模式,在树形结构的基础上进行页面匹配。采用可变活动窗口技术,并引入页面选择关注度和页面平均访问度概念,将页面选择关注度、页面平均访问度与规则的可信度相结合作为页面推荐度进行推荐。实验验证了面向访问序列模式的页面推荐方法的可行性和有效性,此方法可以有效地提高推荐的准确率,并具有较好的综合测度。

关键词：序列模式活动窗口推荐度

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：