检索结果-内蒙古大学图书馆

模式识别与人工智能 2006年第2期19卷 208-214页

作者：马海兵李荣陆胡运发复旦大学计算机与信息技术系

提出用模式增长方法在带标记有序树构成的森林中挖掘嵌入式频繁子树.算法利用最右路径扩展方法构造完整的模式增长空间,然后根据待增长模式的拓扑结构确定其增长点并构造相应投影库,从而将挖掘频繁子树问题转化为在各投影库中寻找频繁... 详细信息

提出用模式增长方法在带标记有序树构成的森林中挖掘嵌入式频繁子树.算法利用最右路径扩展方法构造完整的模式增长空间,然后根据待增长模式的拓扑结构确定其增长点并构造相应投影库,从而将挖掘频繁子树问题转化为在各投影库中寻找频繁节点问题.这大大降低算法的复杂性.实验表明其具有较高的时空效率.

关键词：数据挖掘频繁模式模式增长频繁子树

来源：评论

学校读者我要写书评

暂无评论

基于模式增长的高效用序列模式挖掘算法

引用

自动化学报 2021年第4期47卷 943-954页

作者：唐辉军王乐樊成立宁波财经学院金融与信息学院宁波315175 宁波财经学院数字技术与工程学院宁波315175

高效用序列模式挖掘是数据挖掘领域的一项重要内容,在生物信息学、消费行为分析等方面具有重要的应用.与传统基于频繁项模式挖掘方法不同,高效用序列模式挖掘不仅考虑项集的内外效用,更突出项集的时间序列含义,计算复杂度较高.尽管已经... 详细信息

高效用序列模式挖掘是数据挖掘领域的一项重要内容,在生物信息学、消费行为分析等方面具有重要的应用.与传统基于频繁项模式挖掘方法不同,高效用序列模式挖掘不仅考虑项集的内外效用,更突出项集的时间序列含义,计算复杂度较高.尽管已经有一定数量的算法被提出应用于解决该类问题,挖掘算法的时空效率依然成为该领域的主要研究热点问题.鉴于此,本文提出一个基于模式增长的高效用序列模式挖掘算法HUSP-FP.依据高效用序列项集必须满足事务效用闭包属性要求,算法首先在去除无用项后建立全局树,进而采用模式增长方法从全局树上获取全部高效用序列模式,避免产生候选项集.在实验环节与目前效率较好的HUSP-Miner、USPAN、HUS-Span三类算法进行了时空计算对比,实验结果表明本文给出算法在较小阈值下仍能有效挖掘到相关序列模式,并且在计算时间和空间使用效率两方面取得了较大的提高.

关键词：高效用序列模式模式增长闭包属性数据挖掘

来源：评论

学校读者我要写书评

暂无评论

一种基于模式增长的频繁模式挖掘算法

引用

华中科技大学学报（自然科学版） 2005年第z1期33卷 272-274页

作者：侯俊杰李春平清华大学软件学院北京100084

提出了一种基于模式增长的频繁模式挖掘算法(简称为PGMiner算法).这种算法是一种深度挖掘的算法,不产生任选项集,便于发现较长的模式,避免了Apriori和FP-growth方法存在的问题.通过一种简单的索引结构在映射数据库中不断地增加模式长度... 详细信息

提出了一种基于模式增长的频繁模式挖掘算法(简称为PGMiner算法).这种算法是一种深度挖掘的算法,不产生任选项集,便于发现较长的模式,避免了Apriori和FP-growth方法存在的问题.通过一种简单的索引结构在映射数据库中不断地增加模式长度.这种索引结构占用较少的内存,使得这种基于内存的算法有很高的执行效率.采用现实数据集以及IBM人工数据集对PGMiner算法进行测试.试验结果显示,对于一般类型的特别是较为稀疏的数据集,PGMiner算法比Apriori和FP-growth方法有更好的性能.

关键词：频繁模式模式增长映射数据库分治策略

来源：评论

学校读者我要写书评

暂无评论

基于模式增长的不确定数据的频繁模式挖掘算法

引用

计算机应用 2015年第7期35卷 1921-1926页

作者：王乐常艳芬王水宁波大红鹰学院信息工程学院浙江宁波315175

为提高不确定数据频繁模式（FP）挖掘算法的时空效率,提出了基于最大概率的不确定频繁模式挖掘（UFPM-MP）算法。首先,利用事务项集中的最大概率值预估期望支持数;然后,使用该期望支持数与最小期望支持数阈值进行比较,以确定某一项集是... 详细信息

为提高不确定数据频繁模式（FP）挖掘算法的时空效率,提出了基于最大概率的不确定频繁模式挖掘（UFPM-MP）算法。首先,利用事务项集中的最大概率值预估期望支持数;然后,使用该期望支持数与最小期望支持数阈值进行比较,以确定某一项集是否为候选频繁项集,并对候选项集建立子树以递归挖掘频繁模式。实验中,UFPMMP算法与AT-Mine算法进行了对比,并在6个典型的数据集上进行实验验证。实验结果表明,UFPM-MP算法的时空效率得到了提高,稀疏数据集上提高约30%,稠密数据集上的效率提高更为明显（约3~4倍）。预估期望支持数的策略有效地减少了子树和头表项的数量,从而提高了算法的时空效率;且最小期望支持数越小,或需要挖掘的频繁模式越多的时候,算法的时间效率提高越多。

关键词：不确定数据频繁模式频繁项集模式增长

来源：评论

学校读者我要写书评

暂无评论

基于模式增长的嵌入式频繁子树挖掘算法研究

引用

计算机仿真 2021年第3期38卷 249-252,263页

作者：卫朝霞邹倩影四川大学锦城学院四川成都611731 电子科技大学成都学院四川成都611731

针对传统挖掘算法会输出大规模频繁子树且其中包含较多冗余信息,使事物表达不够清晰完整,降低后续操作效率的问题,提出基于模式增长的嵌入式频繁子树挖掘算法。定义标签树,并分析挖掘任务,根据模式增长的基本性质,扫描森林数据库,建立... 详细信息

针对传统挖掘算法会输出大规模频繁子树且其中包含较多冗余信息,使事物表达不够清晰完整,降低后续操作效率的问题,提出基于模式增长的嵌入式频繁子树挖掘算法。定义标签树,并分析挖掘任务,根据模式增长的基本性质,扫描森林数据库,建立与频繁子树模式对应的投影库,确定模式增长过程,设立增长框架。提出融合压缩思想,采用深度优化方式遍历所有子树的节点,构建融合压缩树,实现数据清理。基于数据清理结果组建拓扑序列,制定树与森林的拓扑编码,输入数据库与最小支持度数值,结合覆盖定理对频繁子树队列进行裁剪,完成挖掘。仿真结果表明,上述方法挖掘的数据信息更加丰富完整,挖掘效率更高。

关键词：模式增长嵌入式频繁子树挖掘融合压缩覆盖定理

来源：评论

学校读者我要写书评

暂无评论

基于模式增长的序列模式挖掘算法的研究

基于模式增长的序列模式挖掘算法的研究

引用

作者：李婷西安电子科技大学

学位级别：硕士

基于模式增长的序列模式挖掘算法是当前最新的挖掘框架，其研究成果已经被应用于诸多领域，如分析购物数据，从DNA序列中获取重要的基因信息，从Web日志中获取web访问模式等。然而对于序列较长，字母域较小，或者支持度阈值较小的数据... 详细信息

基于模式增长的序列模式挖掘算法是当前最新的挖掘框架，其研究成果已经被应用于诸多领域，如分析购物数据，从DNA序列中获取重要的基因信息，从Web日志中获取web访问模式等。然而对于序列较长，字母域较小，或者支持度阈值较小的数据集，传统的基于模式增长的算法需要建立大量的投影数据库，冗余计算成为了挖掘的最大瓶颈。本文在对基于模式增长的PrefixSpan挖掘算法研究的基础上，将树形存储结构进行变形，并对相同子树进行合并。给出了一种新的数据表示方法W-PG-DAG，即基于前缀增长的加权有向非循环图。W-PG-DAG存储结构避免了前缀树无法合并相同后缀的弱点，对相似度较大的序列具有较高的压缩率。在PrefixSpan算法的基础上，使用W-PG-DAG存储结构代替序列数据集。同时采用W-PG-DAG存储结构的节点共享优点，引进了缓存机制，提出了改进的挖掘算法，即W-PG-DAGMiner算法。缓存机制完成了非频繁序列预剪枝和中间结果重用，因此提高了挖掘性能。本文采用4种不同特征的数据集进行实验分析，对W-PG-DAG存储结构和前缀树结构的紧凑性进行比较，并对W-PG-DAGMiner算法和PrefixSpan算法挖掘时间进行比较。两个实验分别验证了对于相似度较大的序列数据集，W-PG-DAG存储结构具有较大的数据压缩率，同时W-PG-DAGMiner在数据挖掘上具有较好的性能。

关键词：序列模式挖掘模式增长有向非循环图缓存机制预剪枝

来源：评论

学校读者我要写书评

暂无评论

基于快速模式增长的FP-growth改进算法

引用

指挥信息系统与技术 2012年第4期3卷 73-76页

作者：党敏侠孟德鑫中国电子科技集团公司第二十八研究所南京210007

FP-growth算法是当前一种高效的频繁模式挖掘算法,分析了FP-growth算法的性能消耗,引入了条件频度基的数据结构用于存储构建条件FP-tree的所有频度信息,提出了自顶向下与自底向上结合的模式增长方法,该方法避免了原算法在遍历FP-tree时... 详细信息

FP-growth算法是当前一种高效的频繁模式挖掘算法,分析了FP-growth算法的性能消耗,引入了条件频度基的数据结构用于存储构建条件FP-tree的所有频度信息,提出了自顶向下与自底向上结合的模式增长方法,该方法避免了原算法在遍历FP-tree时的性能浪费。试验表明,运用了快速模式增长的改进算法的效率比原算法显著提高。

关键词：频繁模式挖掘 FP-growth算法条件频度基模式增长

来源：评论

学校读者我要写书评

暂无评论

一种基于模式增长算法的基因变异检测方法

一种基于模式增长算法的基因变异检测方法

引用

作者：叶凯杨帆杨晓飞蔺佳栋梁皓郭立 710049 陕西省西安市咸宁西路28号

一种基于模式增长算法的基因变异检测方法，在预处理后的测序比对数据中提取有变异特征信号的数据并进行聚类，将聚类后的每一类数据中所有的短读段序列依据比对状态拆分成状态分别为S和M的两段，将所有的S段的序列压缩建立一致性序列... 详细信息

标准号: CN111243663A

一种基于模式增长算法的基因变异检测方法，在预处理后的测序比对数据中提取有变异特征信号的数据并进行聚类，将聚类后的每一类数据中所有的短读段序列依据比对状态拆分成状态分别为S和M的两段，将所有的S段的序列压缩建立一致性序列，将所有的M段的序列压缩建立一致性序列；并对同一类中的数据信息进行计算，则形成超项目，根据每个超项目在基因组上的位置将每个超项目按顺序存入变异信号数据库中；使用模式增长算法，建立断点间的比对关系；建立变异模型，确定变异的类型。本发明直接将过滤后数据库中的所有断点为对象进行比对来获取相互比对关系，从而得到全局比对信息，实现更精准的变异检测效果，对较小或较大变异均有很好的检测效果。

关键词：比对一致性序列序列压缩断点聚类算法数据库预处理比对数据比对状态变异检测变异模型变异特征变异信号基因变异模式增长全局比对使用模式数据信息基因组检测测序两段过滤

来源：评论

学校读者我要写书评

暂无评论

一种基于频繁模式增长算法的网络攻击路径重构方法

一种基于频繁模式增长算法的网络攻击路径重构方法

引用

作者：王崑声白昊胡昌振 100048 北京市海淀区阜成路16号

本发明涉及一种基于频繁模式增长算法的攻击路径重构技术，属于网络信息安全技术领域，适用于入侵检测系统(IDS)和其它安全监控系统。本发明将IDS的告警事件与其他安全工具(如杀毒软件/扫描器等)的数据相关联，融合为补偿性入侵证据(com... 详细信息

标准号: CN101931570A

本发明涉及一种基于频繁模式增长算法的攻击路径重构技术，属于网络信息安全技术领域，适用于入侵检测系统(IDS)和其它安全监控系统。本发明将IDS的告警事件与其他安全工具(如杀毒软件/扫描器等)的数据相关联，融合为补偿性入侵证据(complementary intrusion evidence)，使每一步攻击都有相应的系统状态作为攻击效果的客观反映；然后在此数据基础上创建基于贝叶斯网络的攻击场景；再使用频繁模式增长算法从攻击场景中挖掘出频繁攻击序列，提高挖掘效率的同时显著减少了系统开销；最后将挖掘出的频繁攻击序列进行再关联以重构出攻击路径，能够清晰判断出可能的攻击意图。

关键词：攻击模式增长算法挖掘网络信息安全技术安全监控系统入侵检测系统贝叶斯网络场景关联安全工具客观反映路径重构数据基础系统开销系统状态扫描器杀毒重构入侵补偿融合证据软件

来源：评论

学校读者我要写书评

暂无评论

一种基于频繁模式增长算法的网络攻击路径重构方法

一种基于频繁模式增长算法的网络攻击路径重构方法

引用

作者：王崑声白昊胡昌振 100048 北京市海淀区阜成路16号

标准号: CN101931570B

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：