检索结果-内蒙古大学图书馆

智能计算机与应用 2018年第4期8卷 1-9,16页

作者：郭世明金代亮高宏哈尔滨工业大学计算机科学与技术学院黑龙江哈尔滨150001 哈尔滨工业大学网络与信息中心哈尔滨150001

数据流上的频繁项集挖掘是数据挖掘的一个重要话题,并在现实生活中应用广泛。可是这个问题存在两个限制:(1)项在数据流中的权重没有被考虑;(2)项在每条事务中的数量没有被考虑。因此,研究人员提出了"数据流上的高效用项集挖掘"... 详细信息

数据流上的频繁项集挖掘是数据挖掘的一个重要话题,并在现实生活中应用广泛。可是这个问题存在两个限制:(1)项在数据流中的权重没有被考虑;(2)项在每条事务中的数量没有被考虑。因此,研究人员提出了"数据流上的高效用项集挖掘"的研究问题。在这一问题中,项的权重及项在事务中的数量被考虑,数据流上的高效用项集挖掘是指在数据流中挖掘所有效用值不小于用户指定最小效用阈值的项集。对用户而言,由于不了解数据流中数据的统计特性,很难设置一个合适的最小效用阈值,如果最小效用阈值设置过高,则挖掘算法返回高效用项集的数量过少,使得用户无法准确分析;如果最小效用阈值设置过低,则挖掘算法返回太多的高效用项集,使得用户需要对结果集二次分析,为此研究人员提出了"数据流上的Top-K高效用项集挖掘"的研究问题。数据流上的Top-K高效用项集挖掘是指在数据流中寻找前k个具有最高效用值的项集,通过设置k值取代最小效用阈值,可有效地控制算法的输出规模,对用户而言更直观。与静态数据相比,数据流具有如下特点:快速的数据到达速率、数据流的尺寸未知和不能访问以前到达数据的特点,因此很难将整个数据流放入内存中处理,通常研究人员采用流滑动窗体模型。流滑动窗体是由固定数量的、最近到达的批数据组成,每个批数据包含一组事务集。现有的挖掘流滑动窗体上Top-K高效用项集的研究方法通常包含两个阶段:(1)采用高估技术高估项集在流滑动窗体中的效用,将高估效用不小于由阈值提升技术获得的最小效用阈值的项集选定为Top-K高效用项集候选项集;(2)通过扫描流滑动窗体内的批数据,计算第一阶段生成的候选项集的真实效用。可是,这个方法存在两个问题:(1)第一阶段生成的候选项集通常数量巨大,需要大量的存储空间;(2)计算第一阶段生成的候选项集的真实效用是非常耗时的。因此,本文提出一个在挖掘过程中不生成候选项集的流滑动窗体上Top-K高效用项集挖掘算法TK-HIS,TK-HIS采用提出的HUILTree和效用数据库存储流滑动窗体中的项集及其在窗体事务中的效用,在HUIL-Tree和效用数据库的构建过程中提出两个阈值提升策略提升初始值为0的最小效用阈值,在挖掘过程中TK-HIS维护前k个具有最高效用值的项集,使用模式增长的方法生成搜索空间中的项集,对每一个项集通过效用数据库直接计算其在流滑动窗体中的效用。研究在稀疏数据流上进行了大量的实验评估TK-HIS的性能,并与当前最好的流滑动窗体Top-K高效用项集挖掘算法T-HUDS进行比较,实验结果表明在稀疏数据流上TK-HIS显著优于T-HUDS:运行时间最快可提升一个数量级。

关键词： Top-K高效用项集模式增长数据流效用挖掘滑动窗体

来源：评论

学校读者我要写书评

暂无评论

走进中国人健康养生餐桌上的三主粮

引用

现代养生B 2011年第6期 46-47页

作者：孙治内蒙古三主粮实业股份有限公司

我们国家对农业的支持历来是有政策的.但是农业的发展从古到今,没有进行公式化的运作.只有农业通过公式化运作、经济化运作、才能够实现真正营业化模式增长.如果农牧业进行了公司化的增长模式,那么我们三主粮的大业、诠释三主粮健康新... 详细信息

我们国家对农业的支持历来是有政策的.但是农业的发展从古到今,没有进行公式化的运作.只有农业通过公式化运作、经济化运作、才能够实现真正营业化模式增长.如果农牧业进行了公司化的增长模式,那么我们三主粮的大业、诠释三主粮健康新概念将必然得到实现.

关键词：中国人健康养生餐桌农业公式化主粮增长模式模式增长新概念农牧业经济化公司化政策营业诠释国家

来源：评论

学校读者我要写书评

暂无评论

不确定数据频繁项集挖掘算法研究

引用

计算机技术与发展 2019年第7期29卷 140-144页

作者：赵学健熊肖肖张欣慧孙知信南京邮电大学现代邮政学院江苏南京210003 南京邮电大学物联网学院江苏南京210003

频繁项集挖掘的目标是以频繁出现的项目集的形式发掘嵌入在海量数据中的隐式的、先前未知的、潜在的有用知识,以辅助决策。随着数据采集方式和传输方式的多样化,不确定数据在各种实际应用中大量出现。因此,近年来针对不确定数据的频繁... 详细信息

频繁项集挖掘的目标是以频繁出现的项目集的形式发掘嵌入在海量数据中的隐式的、先前未知的、潜在的有用知识,以辅助决策。随着数据采集方式和传输方式的多样化,不确定数据在各种实际应用中大量出现。因此,近年来针对不确定数据的频繁项集挖掘算法的研究引起了学者的广泛关注。文中首先介绍了不确定数据的定义,并分析了不确定数据频繁项集挖掘的概率模型。接下来,将主流频繁项集挖掘算法分为3类:基于候选项集生成和测试的频繁项集挖掘算法,基于模式增长的频繁项集挖掘算法和基于生物启发的频繁项集挖掘算法,详细介绍了当前针对不确定数据的主流频繁项集挖掘算法,并对这些算法的性能进行了简单分析。最后,对不确定数据的频繁项集挖掘算法进行了总结与展望。

关键词：频繁项集不确定数据候选项集模式增长生物启发

来源：评论

学校读者我要写书评

暂无评论

基于HASH表的多谓词约束下频繁项集挖掘

基于HASH表的多谓词约束下频繁项集挖掘

引用

2011年江苏省人工智能学术会议

作者：张婕张燕李广水金陵科技学院信息技术学院江苏南京 211169 金陵科技学院信息技术学院江苏南京 211169 江苏省信息分析工程实验室江苏南京211169

针对在交易数据库中挖掘出指定顾客相关属性的频繁项集这一问题。提出了基于维约束进行求解的构想。采用模式增长的挖掘方法，但与传统的模式树不同的是将原先每一节点频繁计数值设为在所有可能的谓词约束下该项的计数形成的向量，并利... 详细信息

针对在交易数据库中挖掘出指定顾客相关属性的频繁项集这一问题。提出了基于维约束进行求解的构想。采用模式增长的挖掘方法，但与传统的模式树不同的是将原先每一节点频繁计数值设为在所有可能的谓词约束下该项的计数形成的向量，并利用HASH表进行向量值及项所在层的位置映射，因此，在不同的约束组合下的频繁项集挖掘将不再需要扫描数据库。仿真实验表明该挖掘算法的完备性，通过与先筛选再挖掘的算法进行比较，证明该挖掘算法具有更高的效率。

关键词：交易数据库 HASH表多谓词约束频繁项集挖掘模式增长

来源：评论

学校读者我要写书评

暂无评论

一种基于二代测序数据的反转相关复杂变异检测方法

一种基于二代测序数据的反转相关复杂变异检测方法

引用

作者：杨晓飞卜楠叶凯蔺佳栋梁皓郭立 710049 陕西省西安市咸宁西路28号

一种基于二代测序数据的反转相关复杂变异检测方法，在滑动窗口内，根据给定的bam文件与选定的参考基因组进行比对，得到Read Pair信号，并以Read Pair信号对不能完全匹配的Read进行Split Read信号分析，得到对应的断点匹配情况；建立Sp... 详细信息

标准号: CN111261225B

一种基于二代测序数据的反转相关复杂变异检测方法，在滑动窗口内，根据给定的bam文件与选定的参考基因组进行比对，得到Read Pair信号，并以Read Pair信号对不能完全匹配的Read进行Split Read信号分析，得到对应的断点匹配情况；建立Split Read信号理论模型；将断点匹配情况经过建立的模型，如果符合某个模型时，记录下相应的变异类型和位置，再判断是否是可信的变异。本发明根据理论信号建立了变异模型信号，因此可以很准确地提出变异类型；本发明使用Split Read信号，以模式增长算法寻找字符串的最大最小唯一子串，所以能够很精确地指出变异的位置信息。

关键词：匹配变异类型断点变异模型测序数据复杂变异滑动窗口模式增长信号分析信号建立信号理论基因组字符串比对反转子串算法可信参考检测记录

来源：评论

学校读者我要写书评

暂无评论

无重叠条件的负序列模式挖掘方法

无重叠条件的负序列模式挖掘方法

引用

作者：武优西邢欢王月华陈明婕王珠林赵晓倩 300130 天津市红桥区丁字沽光荣道8号河北工业大学东院330#

本发明为无重叠条件的负序列模式挖掘方法，该挖掘方法利用模式增长缩减负候选模式搜索空间，利用网树计算无重叠条件的带间隙约束的负候选序列模式的支持度，并采用深度优先和回溯策略减少时间复杂度和空间复杂度；负序列模式需要满足... 详细信息

标准号: CN115359844A

本发明为无重叠条件的负序列模式挖掘方法，该挖掘方法利用模式增长缩减负候选模式搜索空间，利用网树计算无重叠条件的带间隙约束的负候选序列模式的支持度，并采用深度优先和回溯策略减少时间复杂度和空间复杂度；负序列模式需要满足两个条件：一，不允许存在连续的负元素；二，开头和结尾的元素不能是负元素。该方法实现了无重叠条件的对负序列模式进行挖掘，通过有效的剪枝策略既克服了负序列候选模式支持度计算复杂度高的问题，又克服了负序列候选模式的搜索空间过大的问题，并且保证了算法的完备性。

关键词：候选模式搜索空间序列模式无重叠支持度序列模式挖掘计算复杂度空间复杂度时间复杂度候选序列间隙约束剪枝策略模式增长深度优先重叠条件挖掘完备性回溯算法结尾保证

来源：评论

学校读者我要写书评

暂无评论

一种基于最大频繁模式非相似性的异常网络流量检测方法

一种基于最大频繁模式非相似性的异常网络流量检测方法

引用

作者：蔡赛华陈锦富徐波魏忠旺林敏 212013 江苏省镇江市京口区学府路301号

本发明提供了一种基于最大频繁模式非相似性的异常网络流量检测方法。包括：步骤1，利用模式增长法挖掘网络流量中的最大频繁模式，有效发现网络流量中属性的关联关系；步骤2，利用挖掘得到的具有强关联关系的网络流量的属性，构建基于... 详细信息

标准号: CN114598527B

本发明提供了一种基于最大频繁模式非相似性的异常网络流量检测方法。包括：步骤1，利用模式增长法挖掘网络流量中的最大频繁模式，有效发现网络流量中属性的关联关系；步骤2，利用挖掘得到的具有强关联关系的网络流量的属性，构建基于最大频繁模式的非相似性指数，用于衡量各条网络流量的异常程度；步骤3，根据步骤2所构建的最大频繁模式的非相似性指数，计算每条网络流量的异常程度；步骤4，将网络流量按照异常度的降序顺序排列，得到异常网络流量检测报告。

关键词：网络流量频繁模式异常网络流量相似性指数关联关系构建检测报告模式增长挖掘降序衡量检测发现

来源：评论

学校读者我要写书评

暂无评论

基于稀疏大数据挖掘的火电机组汽轮机优化方法及系统

基于稀疏大数据挖掘的火电机组汽轮机优化方法及系统

引用

作者：林金星陆铭杰胡志 210012 江苏省南京市雨花台区宁双路19号

本发明公开了汽轮机优化技术领域的一种基于稀疏大数据挖掘的火电机组汽轮机优化方法及系统，包括：采集机组历史运行数据；选取一组与汽轮机热耗率较强相关的可控运行参数作为优化参数；基于二进制矩阵和超链接技术，构建新型面向稀疏... 详细信息

标准号: CN112861379B

本发明公开了汽轮机优化技术领域的一种基于稀疏大数据挖掘的火电机组汽轮机优化方法及系统，包括：采集机组历史运行数据；选取一组与汽轮机热耗率较强相关的可控运行参数作为优化参数；基于二进制矩阵和超链接技术，构建新型面向稀疏数据的模式增长类关联规则挖掘算法；在Apache Spark平台上，提出基于矩阵运算的负载均衡策略，并行化实现全局计算平衡的模式增长类关联规则挖掘算法；通过聚类离散化历史运行数据，并行挖掘离散化历史运行数据得到关联规则，并反离散化，得出各个边界条件下汽轮机优化参数的目标值。可有效解决火电机组汽轮机连续运行数据离散化导致的稀疏特性，并可高效挖掘汽轮机大规模运行数据以获取热耗率较低时的运行优化目标值。

关键词：汽轮机离散化历史运行数据关联规则挖掘火电机组模式增长优化参数算法挖掘负载均衡策略汽轮机热耗率二进制矩阵边界条件关联规则矩阵运算全局计算稀疏数据稀疏特性有效解决运行参数运行数据运行优化并行化超链接大数据强相关热耗率构建聚类可控稀疏优化并行采集机组平衡

来源：评论

学校读者我要写书评

暂无评论

一种基于最大频繁模式非相似性的异常网络流量检测方法

一种基于最大频繁模式非相似性的异常网络流量检测方法

引用

作者：蔡赛华陈锦富徐波魏忠旺林敏 212013 江苏省镇江市京口区学府路301号

标准号: CN114598527A

关键词：网络流量频繁模式异常网络流量相似性指数关联关系构建检测报告模式增长挖掘降序衡量检测发现

来源：评论

学校读者我要写书评

暂无评论

基于时空邻近搜索的移动轨迹序列模式快速挖掘方法

基于时空邻近搜索的移动轨迹序列模式快速挖掘方法

引用

作者：张海涛张波波黄慧慧霍晓宇葛国栋姜杰胡栋沙超 210023 江苏省南京市栖霞区文苑路9号

本发明提供一种基于时空邻近搜索的移动轨迹序列模式快速挖掘方法，基于空间转换的数据预处理，首先对原始的移动轨迹数据进行时空划分，并基于移动轨迹数据与时空格的匹配得到对应的时空格序列，然后建立时空格空间中2维几何空间所对... 详细信息

标准号: CN104331466A

本发明提供一种基于时空邻近搜索的移动轨迹序列模式快速挖掘方法，基于空间转换的数据预处理，首先对原始的移动轨迹数据进行时空划分，并基于移动轨迹数据与时空格的匹配得到对应的时空格序列，然后建立时空格空间中2维几何空间所对应的有向无权图，并基于无权图的顶点与时空格序列的匹配得到对应的时空格序列集合；基于图的深度优先遍历的移动轨迹序列模式挖掘，在深度优先遍历的过程中，采用基于时空邻近搜索的方式进行模式增长，并利用顶点的时空格序列集合的关系运算进行移动轨迹序列模式支持度的计算。与现有方法相比，本发明具有挖掘速度快、效率高的优势。

关键词：时空序列模式移动轨迹移动轨迹数据深度优先序列集合遍历匹配空格数据预处理关系运算几何空间空间转换快速挖掘模式增长挖掘

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：