检索结果-内蒙古大学图书馆

作者：解士永齐鲁工业大学

学位级别：硕士

高效用序列模式挖掘(High-utility Sequential Pattern Mining,HUSPM)是在定量序列数据库中挖掘出具有高价值、高利润的序列模式的过程。而传统的高效用序列模式挖掘方法忽略了每个相同的序列模式在定量序列数据库中连续出现的时间间隔... 详细信息

高效用序列模式挖掘(High-utility Sequential Pattern Mining,HUSPM)是在定量序列数据库中挖掘出具有高价值、高利润的序列模式的过程。而传统的高效用序列模式挖掘方法忽略了每个相同的序列模式在定量序列数据库中连续出现的时间间隔(周期)。进而周期性高效用序列模式挖掘(Periodic High-utility Sequential Pattern Mining,PHUSPM)方法被提出,在此类挖掘方法中,一个序列模式的周期值被定义为它在定量序列数据库中出现的最大时间间隔(周期)。如果一个序列模式的周期值不大于用户自定义的最大周期阈值(max Per),则该序列模式就会被认为是周期性的。但该方法在使用max Per判断阈值时存在两个问题,一是该阈值设定较为严格,如果一个序列模式的所有周期中只有一个超过了该阈值,那么该序列模式就会被认定为不是周期性出现的,即使在大部分情况下该序列模式有着周期性的表现;二是使用该阈值时只能判断序列模式的所有周期是否小于或等于max Per,而不能确定所有的周期在一定范围内波动,导致挖掘到的序列模式的周期存在或大或小的情况,这种情况不能很好的用于决策。为此,本文提出了一种稳定性的方法,基于此方法提出了一种新的挖掘方法即稳定性周期高效用序列模式挖掘(Stable Periodic High-utility Sequential Pattern Mining,SPHUSPM)算法。SPHUSPM算法的贡献如下。首先,基于提出的稳定性周期的概念,首次提出了稳定性周期高效用序列模式(Stable Periodic High-utility Sequential Patterns,SPHUSPs)的概念。其次,本文设计了一种新的数据结构PULlist来记录每个序列模式的周期与效用的信息,无需多次扫描原始数据库,从而提高了挖掘效率。第三,本文提出了适用于序列模式挖掘的最大不稳定性剪枝策略(MLPS),该策略可以提前剪掉大量的不具有稳定性周期的序列模式。为了能适应更多的需求,提高决策的精准性,本文在提出的SPHUSPM算法的基础上,引入项的负效用的概念,可以预测已经发生的事件与未发生的事件之间周期性和高效用的关系,从而提高预测的多样性。此外,本文发现在挖掘到的稳定性周期高效用序列模式中,部分序列模式的周期性可以从它们的子序列中推出来,此类模式的决策功能可以被它的子序列代替,并且大量的此类模式的出现会造成冗余。为此,本文提出了非冗余周期性高效用负序列模式挖掘(Non-Redundan Periodic High-utility Negative Sequential Pattern Mining,NPHNM)算法。NPHNM算法的贡献如下。第一,该算法将负效用项的概念引入到周期性高效用序列模式挖掘之中,在周期性模式之中加入负效用项的内容,挖掘出的模式可以得到发生与未发生事件的周期性关系。第二,还提出了去除冗余周期模式的方法,该方法大大减少了冗余模式的数量,使决策变得更精准、更有目的性。

关键词：数据挖掘高效用序列模式挖掘稳定周期性负效用序列模式非冗余序列模式

来源：评论

学校读者我要写书评

暂无评论

基于效用函数的高效用序列模式挖掘研究

基于效用函数的高效用序列模式挖掘研究

引用

作者：杜梓林哈尔滨工业大学

学位级别：硕士

序列模式挖掘是从序列数据库中挖掘重要的子序列模式,模式的重要度通过表征频繁出现的支持度这一客观指标来衡量。然而,现有的序列模式挖掘算法无法考虑用户主观的兴趣度并自定义模式重要度,难以实现个性化挖掘。因此,研究人员在序列模... 详细信息

序列模式挖掘是从序列数据库中挖掘重要的子序列模式,模式的重要度通过表征频繁出现的支持度这一客观指标来衡量。然而,现有的序列模式挖掘算法无法考虑用户主观的兴趣度并自定义模式重要度,难以实现个性化挖掘。因此,研究人员在序列模式挖掘的基础上使用效用来衡量模式的重要程度,提出了高效用序列模式挖掘问题,其需要根据用户预定义的效用计算规范从数据库中挖掘重要的高效用序列模式集合。本文将效用计算规范抽象为效用函数,从效用函数的角度出发,对基于不同效用函数的高效用序列模式挖掘展开研究。基于常规效用函数的高效用序列模式挖掘方法只考虑了序列内部的相对时间,并倾向于挖掘在售时间更长的模式。为了消除这种偏置,考虑在售信息的效用函数被应用于高效用序列模式挖掘,本文提出了OSUMS和OSUMS两个算法,来提取在售高效用序列模式。为提高效率,本文设计了两个效用上界和三个挖掘策略,以及两种加速上界值和效用计算的数据结构。实验结果表明,这两个算法都优于基准算法,而OSUMS可能会消耗大量内存。基于常规效用函数的高效用序列模式挖掘的输出信息仅为决策者提供了所需模式和对应效用值,并不容易被用户理解。由于模糊集理论的简单性和可解释性,考虑模糊集信息的效用函数被应用于高效用序列模式挖掘。本文提出了PGFUM算法,用于挖掘具有语义信息的模糊高效用序列模式。本文设计了两种具有可解释性的数据结构和三种剪枝策略,剪枝策略采用两个新的效用上界。实验结果表明,PGFUM可以高效地挖掘出可解释的模式。另外,为减少挖掘结果中模式的冗余,本文研究了基于常规效用函数的高效用序列模式挖掘中的高效用目标序列模式查询和top-k高效用序列模式挖掘问题。高效用序列模式挖掘不允许用户执行有针对性的查询,因此高效用目标序列模式查询问题被提出。本文提出了TUSQ算法,其采用效用上界快速计算策略,可以高效地挖掘出用户所感兴趣的模式。另外,在高效用序列模式挖掘问题中,不了解数据库相关特性的用户很难指定合适的最小效用阈值,因此top-k高效用序列模式挖掘问题被提出。本文提出了TKUS算法,其采用高效的序列效用提升策略与剪枝策略,挖掘效率有明显提升。

关键词：数据挖掘效用挖掘序列模式高效用序列模式挖掘模糊集

来源：评论

学校读者我要写书评

暂无评论

基于高效用序列模式挖掘的接触网故障预测模型

基于高效用序列模式挖掘的接触网故障预测模型

引用

作者：赵航西南交通大学

学位级别：硕士

接触网作为一种架设在铁路沿线的户外供电装置,其结构复杂,工作环境恶劣,且无备用子系统,极易出现故障和受到外界不可控因素的影响。目前,高速铁路接触网检修本质上还是状态检测、故障维修的方法,并不能提前预测故障何时发生,对故障与... 详细信息

接触网作为一种架设在铁路沿线的户外供电装置,其结构复杂,工作环境恶劣,且无备用子系统,极易出现故障和受到外界不可控因素的影响。目前,高速铁路接触网检修本质上还是状态检测、故障维修的方法,并不能提前预测故障何时发生,对故障与故障发生之间的关联关系也了解甚少。因此,运用数据挖掘和时间序列预测的方法实现接触网的故障预测,进而指导接触网的状态维修,以达到健康管理的目的,这对接触网的维修以及电气化铁路的安全运行有着重大的意义。本文基于高效用序列模式挖掘和时间序列预测模型,从故障与故障,故障与时间两个维度对接触网故障进行了预测和分析。本文主要包含以下内容:1)以接触网的故障数据为研究对象,根据高铁接触网故障预测与健康管理(PHM)平台建设需求,参考《接触网检规》和《编码规范》,对接触网数据的故障字典进行了结构设计和编码制定,详细记录了故障发生的位置信息、时间信息、气候信息、采集方式、故障成因和故障标志码。将文字型或图片型的故障描述转化为编码之后,可以方便数据的查找,按照地理信息或者时间信息等对故障进行上卷和下探,以用于挖掘和回归分析。2)针对高效用序列模式挖掘算法效率低下的特点,本文改进了HUSP-Miner算法,采用效用链表来代替原有的数据库,加快了序列的生成速度和效用上界的计算速度,同时避免了多次扫描数据库。在剪枝策略方面,针对高效用序列挖掘算法不再像频繁模式算法一样遵循向下封闭性的问题,本文比较了几种基于剩余效用值的效用上界的向下封闭性,提出了基于PEU的新的剪枝策略,减少了候选序列的数量,缩小了故障的搜索范围,提高了算法的效率。挖掘结果表明,接触网的高差故障是一个很关键的故障,它易受到接触线高度和定位装置等的影响,也容易导致拉出值超限等故障的发生,同时,定位装置的故障也容易导致高差和拉出值超限、支持装置故障以及燃弧的产生。3)针对接触网故障时间序列数据故障强度的预测问题,提出了结合高效用序列模式挖掘结果的ARIMAX预测模型,将数据挖掘的思想融入到接触网的故障预测模型中。首先,介绍了几种常见的时间序列预测模型,介绍了模型的结构和参数选择,分析了其模型特点和适用数据类型,检验了其合理性并将ARIMAX模型的预测结果和常规模型进行了对比。结果显示结合高效用序列模式挖掘结果的ARIMAX模型具有比较好的预测效果。

关键词：接触网故障数据字典高效用序列模式挖掘回归分析

来源：评论

学校读者我要写书评

暂无评论

含负项的高效用序列模式挖掘算法

引用

小型微型计算机系统 2017年第8期38卷 1724-1729页

作者：吕存伟黄德才陆亿红浙江工业大学计算机科学与技术学院杭州310023

高效用模式挖掘在现实中有广泛的应用,也是数据挖掘研究的热点.数据库中的事务在以序列形式存在的情况下,又引申出高效用序列模式挖掘问题.序列模式的搜索空间比一般模式的大,所以计算复杂度比高效用模式挖掘大.目前对高效用序列模式算... 详细信息

高效用模式挖掘在现实中有广泛的应用,也是数据挖掘研究的热点.数据库中的事务在以序列形式存在的情况下,又引申出高效用序列模式挖掘问题.序列模式的搜索空间比一般模式的大,所以计算复杂度比高效用模式挖掘大.目前对高效用序列模式算法研究比较少,且都没有考虑序列数据库中项的外部效用值为负的情况.面对含负项的外部效用值,首次提出了含负项的高效用序列模式挖掘算法EHUSN,该算法提出1-2-UM和2-2-UM结构模型,结合效用信息列表能快速剪枝非候选序列,从而使挖掘算法在时空效率上的得到提升.

关键词：序列模式挖掘高效用序列模式挖掘模式挖掘

来源：评论

学校读者我要写书评

暂无评论

基于MapReduce的高效用序列模式挖掘算法

引用

计算机系统应用 2015年第12期24卷 228-232页

作者：程思远马超李聪聪复旦大学计算机科学技术学院上海201203 上海市数据科学重点实验室(复旦大学) 上海201203

由于数据规模的快速增长,高效用序列模式挖掘算法效率严重下降.针对这种情况,提出基于Map Reduce的高效用序列模式挖掘算法Hus Ma R.算法基于Map Reduce框架,使用效用矩阵高效地生成候选项;使用随机映射策略均衡计算资源;使用基于领域... 详细信息

由于数据规模的快速增长,高效用序列模式挖掘算法效率严重下降.针对这种情况,提出基于Map Reduce的高效用序列模式挖掘算法Hus Ma R.算法基于Map Reduce框架,使用效用矩阵高效地生成候选项;使用随机映射策略均衡计算资源;使用基于领域的剪枝策略来防止组合爆炸.实验结果表明,在大规模数据集下,算法取得了较高的并行效率.

关键词：序列模式 Map Reduce 剪枝策略高效用序列模式挖掘随机策略

来源：评论

学校读者我要写书评

暂无评论

基于隐私保护的高效用序列模式隐藏关键技术研究

基于隐私保护的高效用序列模式隐藏关键技术研究

引用

作者：石敏齐鲁工业大学

学位级别：硕士

基于效用的序列模式挖掘能够发现可决策的高效用序列模式,被广泛应用于多领域,如电子商务推荐、风景路线规划和点击流分析等。然而,定量序列数据库中可能包含了个人身份、电话号码、信用卡号、兴趣爱好等用户隐私信息,这些信息时刻面临... 详细信息

基于效用的序列模式挖掘能够发现可决策的高效用序列模式,被广泛应用于多领域,如电子商务推荐、风景路线规划和点击流分析等。然而,定量序列数据库中可能包含了个人身份、电话号码、信用卡号、兴趣爱好等用户隐私信息,这些信息时刻面临着被泄露的风险。目前已有一些基于隐私保护的高效用序列模式隐藏算法被提出用来保护高效用序列模式免受信息泄露的风险,但仍存在以下问题:(1)现有算法在隐藏高效用序列模式时忽略了原始数据库和修改后数据库之间的一致性,同时消耗大量的运行时间和内存使用空间;(2)现有算法在隐藏敏感高效用序列模式时会导致大量非敏感模式丢失和隐藏失败等问题;(3)现有的高效用序列模式挖掘算法忽略了项与序列之间的关系,由此产生了大量的冗余模式。这些问题的研究对于有效的保护高效用序列模式减少对非敏感模式的影响以及挖掘可决策的组合序列模式具有重要的理论价值和实际意义。针对问题一,本文提出了基于序列权重的高效用序列模式隐藏算法HHUSP-SW,在隐藏过程中更好地保证原始数据库和修改后数据库之间的一致性。同时,提出了一种新的数据结构来存储所有高效用序列模式的效用和位置信息,以更快地识别出需要修改的敏感项。实验结果表明,与其他算法相比,该算法在运行时间、内存使用空间和丢失成本方面具有优势。针对问题二,本文提出了一种基于整数线性规划模型的敏感高效用序列模式隐藏算法HSHUSP-ILP。首先,设计了新的HUS-table结构存储所有高效用序列模式与原始数据库之间的映射关系。其次,为了减少约束的数量,根据模式之间的关系将敏感和非敏感高效用序列模式分为若干组,并对每个组,选择合适的敏感项,用未知整数变量代替敏感项将隐藏敏感高效用序列模式的过程转换为满足约束条件的整数线性规划求解问题。最后,通过最优解调整敏感项的效用来扰动原始数据库。实验结果表明,该算法在减少对非敏感模式的影响方面优于现有技术。针对问题三,本文提出了可决策的组合效用-关联序列模式挖掘方法CUASPM,通过考虑项与序列之间的关系,可以有效地去除冗余模式,并提取具有高效用和强关联性的组合序列模式。将可决策组合挖掘的概念引入到高效用序列模式挖掘中,设计了一种新的树结构来搜索高效用序列模式。此外,还提出了两种有效的剪枝策略(即全局和局部策略)来提升组合序列模式的挖掘效率,同时保证组合序列模式效用增长和高度关联。最后,引入了贡献度和附加项权重两个参数来评估候选模式的兴趣度,以选择最有用的可决策的组合高效用序列模式。实验结果表明,该算法在运行时间、内存使用空间、挖掘高效用和强关联序列模式方面优于传统方法。

关键词：隐私保护数据挖掘高效用序列模式挖掘高效用序列模式隐藏可决策的知识发现组合序列模式挖掘

来源：评论

学校读者我要写书评

暂无评论

效用驱动的对比序列模式挖掘研究

效用驱动的对比序列模式挖掘研究

引用

作者：杨禺亭哈尔滨工业大学

学位级别：硕士

对比序列模式挖掘是序列模式挖掘的一个研究分支,旨在从多个具有类别标签的序列数据集中挖掘出不同类别数据集间的具有明显差异的子序列,即对比序列模式。现有的对比序列模式挖掘方法主要是基于频繁度来挖掘对比模式的,其中频繁度为子... 详细信息

对比序列模式挖掘是序列模式挖掘的一个研究分支,旨在从多个具有类别标签的序列数据集中挖掘出不同类别数据集间的具有明显差异的子序列,即对比序列模式。现有的对比序列模式挖掘方法主要是基于频繁度来挖掘对比模式的,其中频繁度为子序列在数据集中出现的次数。然而,基于频繁度的模式在实际应用中很可能对用户是没有参考价值的。为此,表示用户偏好的量化指标“效用”被引入到模式挖掘领域,用户对一个模式的感兴趣程度被量化为模式的“效用值”。本文致力于效用驱动的对比序列模式挖掘的研究。从模式的挖掘方法角度考虑,效用对比序列模式挖掘是高效用序列模式挖掘的一个扩展问题。本文首先开展了对高效用序列模式挖掘算法的研究,提出了一种高效的高效用序列模式挖掘算法(HUSP-SP)。HUSP-SP设计了一种投影数据库结构(seq Pro)以实现模式生成及效用计算,设计了一种新的效用上界(TRSU),并依此上界提出了EP策略以减小挖掘算法搜索空间,提高执行效率。实验结果表明,HUSP-SP在算法执行时间、内存占用和可扩展性等方面都要优于目前效率最高的高效用序列模式挖掘算法。基于上述研究工作,论文开展了基于效用的对比序列模式挖掘研究。首先通过替换基于频繁度的对比序列模式的语义中的频繁度为效用,提出了一种简单效用序列对比模式(IUCP)。考虑所定义对比模式的泛化属性后,发现了简单迁移得到的IUCP可能存在“模式跳跃”现象。为此,分别提出了不存在模式跳跃现象的稳定效用序列对比模式(SUCP)和专注发掘模式跳跃的跳跃效用序列对比模式(JUCP)。针对SUCP和JUCP的挖掘问题,分别提出了基于HUSP-SP的SUCP-SP和JUCP-SP算法。在处理SUCP-SP的候选模式生成及其效用计算问题时,通过同时维护候选模式在正、负类数据集中的seq Pro,实现了较高的运行效率;在设计JUCP-SP的剪枝策略时,基于HUSP-SP所采用的EP,IIP策略及跳跃效用对比序列模式的特点,提出了CPS,EIIP策略,并设计了效用对比度上界来进一步修剪搜索空间。实验结果表明,SUCP-SP与JUCP-SP均可有效地解决目标模式的挖掘问题,且所提出的CPS,EIIP策略和效用对比度上界可有效地减小搜索空间,从而提升算法执行效率。

关键词：效用挖掘对比模式高效用序列模式挖掘效用对比序列模式挖掘

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：