检索结果-内蒙古大学图书馆

计算机应用研究 2021年第2期38卷 330-340页

作者：张春砚韩萌孙蕊杜诗语申明尧北方民族大学计算机科学与工程学院银川750021

通过分析有关高效用模式挖掘(high utility pattern mining,HUPM)最先进的方法,对其进行全面和结构化的概述。首先,通过介绍HUPM的相关概念、公式并给出应用示例,对HUPM有更深一步的理解;针对用于挖掘不同类型HUPM的最常见和最先进的关... 详细信息

通过分析有关高效用模式挖掘(high utility pattern mining,HUPM)最先进的方法,对其进行全面和结构化的概述。首先,通过介绍HUPM的相关概念、公式并给出应用示例,对HUPM有更深一步的理解;针对用于挖掘不同类型HUPM的最常见和最先进的关键技术进行分类,包括基于Apriori、基于树、基于列表、基于映射、基于垂直/水平数据格式、基于索引等方法。针对现有关键技术的用途和优缺点进行了全面概述,由于静态数据难以满足实际需要,总结了在数据流上应用的HUPM方法,主要包括基于增量方法、基于滑动窗口模型方法、基于时间衰减模型方法、基于地标模型方法等。最后,给出了现有技术的不足和改进方向,并且有针对性地提出了新的研究方法。

关键词：模式挖掘高效用模式挖掘数据流增量型数据

来源：评论

学校读者我要写书评

暂无评论

基于滑动窗口的含负项高效用模式挖掘方法

引用

郑州大学学报（理学版） 2022年第4期54卷 55-63页

作者：张妮韩萌王乐李小娟程浩东北方民族大学计算机科学与工程学院宁夏银川750021

现有的面向数据流的高效用模式挖掘方法局限性之一在于假定数据都带有正的效用值,且在挖掘过程中使用效用列表会消耗大量的时间和内存。为了解决以上问题,首次提出在数据流中挖掘含负项的高效用模式挖掘算法,在算法中设计了一种新颖的... 详细信息

现有的面向数据流的高效用模式挖掘方法局限性之一在于假定数据都带有正的效用值,且在挖掘过程中使用效用列表会消耗大量的时间和内存。为了解决以上问题,首次提出在数据流中挖掘含负项的高效用模式挖掘算法,在算法中设计了一种新颖的列表索引结构(list index structure,LIS),LIS包括数据段和索引段,依据索引段中的索引值以及项集中的正负效用值,在滑动窗口中可快速访问或更新数据段并及时剪枝,有效挖掘含负项的高效用模式,以此来提升算法的时空性能。进行了广泛的实验评估来验证算法的效率,实验结果表明,提出算法在内存消耗及运行时间方面均表现出良好的性能。

关键词：高效用模式挖掘数据流负效用列表索引

来源：评论

学校读者我要写书评

暂无评论

基于窗口内投影的闭合高效用模式挖掘

引用

太原理工大学学报 2022年第2期53卷 257-265页

作者：李慕航韩萌陈志强武红鑫张喜龙北方民族大学计算机科学与工程学院银川750021

提出了一种快速且有效的数据流高效用模式挖掘算法EFIM_Closed_DS.算法基于窗口内投影技术,在每个窗口中使用数据库投影技术以及事务合并方法有效地减少了数据库扫描的代价。使用高效的剪枝技术和有效的闭合项集检测方法能够剪枝大量低... 详细信息

提出了一种快速且有效的数据流高效用模式挖掘算法EFIM_Closed_DS.算法基于窗口内投影技术,在每个窗口中使用数据库投影技术以及事务合并方法有效地减少了数据库扫描的代价。使用高效的剪枝技术和有效的闭合项集检测方法能够剪枝大量低效用项集以及非闭合项集。大量实验结果显示,提出的算法比之前最先进的算法在内存和时间上都更为有效。

关键词：模式挖掘数据流闭合模式高效用模式挖掘窗口内投影

来源：评论

学校读者我要写书评

暂无评论

一种改进的流数据上的高效用模式挖掘算法

引用

小型微型计算机系统 2017年第9期38卷 2080-2085页

作者：谢志轩李玉强武汉理工大学计算机科学与技术学院武汉430063

为了快速地从无限的流数据中挖掘出高效用模式,基于已有算法HUM-UT提出一种流数据上的高效用模式挖掘算法——IHUM-UT(Improved High Utility Mining based on Utility Tree)算法.IHUM-UT算法通过压缩HUM-UT算法的头表大小,使其只包含... 详细信息

为了快速地从无限的流数据中挖掘出高效用模式,基于已有算法HUM-UT提出一种流数据上的高效用模式挖掘算法——IHUM-UT(Improved High Utility Mining based on Utility Tree)算法.IHUM-UT算法通过压缩HUM-UT算法的头表大小,使其只包含滑动窗口中关注的数据,减少挖掘时所要遍历的数据量,达到提高时间效率的目的.结合两个数据集,调节最小效用阈值、批大小和窗口大小,对两个算法进行对比实验,实验结果表明,IHUM-UT算法得到的高效用模式集与HUM-UT算法完全一致,在时间效率上有较大提升,这种提升在关注数据量较少、不同数据项个数较多的情况下更为突出.

关键词：流数据滑动窗口高效用模式挖掘

来源：评论

学校读者我要写书评

暂无评论

基于滑动窗口含负项的高效用模式挖掘

引用

计算机工程与设计 2024年第3期45卷 845-851页

作者：武妍荀亚玲马煜太原科技大学经济与管理学院山西太原030024 太原科技大学计算机科学与技术学院山西太原030024

针对传统高效用模式挖掘均未考虑项的效用值为负,以及对流数据处理的时效性问题,提出一种基于滑动窗口的高效用挖掘算法HUPN_SW。利用一种新定义的滑动窗口正负效用列表PNSWU-List,维护挖掘最近批次高效用模式集所需的所有信息,实现有... 详细信息

针对传统高效用模式挖掘均未考虑项的效用值为负,以及对流数据处理的时效性问题,提出一种基于滑动窗口的高效用挖掘算法HUPN_SW。利用一种新定义的滑动窗口正负效用列表PNSWU-List,维护挖掘最近批次高效用模式集所需的所有信息,实现有效的逐批次挖掘,避免重复的数据库扫描,在不产生候选效用模式集的情况下,直接挖掘出高效用模式,使HUPN_SW有效适应于动态流数据。实验结果表明,HUPN_SW算法在运行时间和可扩展性方面有良好表现。

关键词：频繁模式挖掘滑动窗口高效用模式挖掘高效用项集负效用流数据效用列表

来源：评论

学校读者我要写书评

暂无评论

时态高效用模式挖掘关键技术研究

时态高效用模式挖掘关键技术研究

引用

作者：陈丽利山东科技大学

学位级别：硕士

高效用模式挖掘揭示了数据库中具有高利润的模式，这有利于了解用户行为、创造利润。但大多数的算法在挖掘模式时没有考虑事件发生的时态因素，从而不能完全适用于复杂多变的现实生活。本文从周期性和顺序性两个角度来讨论效用模式及其... 详细信息

高效用模式挖掘揭示了数据库中具有高利润的模式，这有利于了解用户行为、创造利润。但大多数的算法在挖掘模式时没有考虑事件发生的时态因素，从而不能完全适用于复杂多变的现实生活。本文从周期性和顺序性两个角度来讨论效用模式及其扩展模式挖掘的时间性，并在此基础上提出三个新颖的挖掘算法。　　在周期性方面，大多数挖掘算法都假设项目一直存在于数据库中或在售中，但是实际上不是所有的项目一直在出售，它们可能只是在一年中的某些时候被摆在货架上，这样在某些周期被出售的模式称为在售模式。在本研究中将数据库划分为不同的周期以挖掘高效用模式，即在售高效用模式。另外，高效用模式挖掘的一个重要缺陷是不提供关于项目购买数量的信息，而高效用量化项集挖掘同时考虑了效用因素和带有范围的量化特征，具有广泛的研究意义。为了挖掘带有量化特征且考虑项目周期性的效用模式，本文提出了在售高效用量化项集的挖掘算法。实验结果表明，提出的算法在一些真实的数据集上表现良好。　　在顺序性方面，高效用序列模式挖掘从大量序列中有效挖掘具有高效用的序列模式。但是，仅仅挖掘高效用的序列模式还不足以预测未发生的事件。高效用序列规则挖掘算法不仅要求模式高效用，而且对模式的出现情况作出预测，利用一个序列模式的出现去预测另一个序列模式出现的概率或置信度。现有的算法致力于挖掘高效用序列规则的全部集合，虽然规则总体来说是高效用的，但是仍然存在一些问题。　　一是现存的算法挖掘出的大部分规则内部几乎没有任何相关性，不能提供可依靠的决策。针对这个问题，本文提出了一个相关高效用序列规则挖掘的新颖算法，将相关性融入到规则挖掘研究中，不仅要求每一个规则是相关的，而且要求每一个序列规则内部的前件后件也是相关的。该算法采用了效用列表结构和一些可以提升算法效率和性能的剪枝策略，实验结果表明，就运行时间和内存消耗而言，相关高效用序列规则算法性能优越。　　二是分析序列数据通常会发现一些带有时态属性的有趣模式，然后根据这些有趣模式检测异常情况。现有的算法主要集中在频率驱动的分析上，不能从效用角度出发进行异常检测分析。针对这个问题，本文提出了一个检测异常序列的异常检测框架，能够从包含多个序列的序列数据库中发现异常序列。实验结果表明提出的算法具有更好的有效性和效率。

关键词：高效用模式挖掘时态属性周期性顺序性

来源：评论

学校读者我要写书评

暂无评论

基于高效用模式挖掘的微博文本突发话题检测方法研究

基于高效用模式挖掘的微博文本突发话题检测方法研究

引用

作者：欧阳双武汉大学

学位级别：硕士

从微博文本数据中进行突发话题检测不仅可以帮助用户过滤信息,提高信息获取效率;而且可以帮助政府和企业提前预知热点话题,辅助管理者做出恰当的决策和及时采取措施。然而,微博文本用词不太规范,单位文本长度很短,语义表达能力有限,因... 详细信息

从微博文本数据中进行突发话题检测不仅可以帮助用户过滤信息,提高信息获取效率;而且可以帮助政府和企业提前预知热点话题,辅助管理者做出恰当的决策和及时采取措施。然而,微博文本用词不太规范,单位文本长度很短,语义表达能力有限,因此如何在夹杂着诸多噪声信息的庞大数据集中尽可能快速和准确地探测出突发话题是一个非常具有挑战性的任务。高效用模式挖掘算法的提出和不断发展成熟为突发话题检测任务提供了新的发展契机和构建思路,算法强调的内外部效用值可以分别用于表述话题的热度和突发性。然而,基于高效用模式挖掘技术的应用依旧处于起步阶段,在突发话题检测领域还未有人尝试,因此如何将两者进行有机结合是一个亟待解决的研究课题。本文将高效用模式挖掘算法引入到突发话题检测任务中,旨在探测出更具有现实意义的突发话题。具体而言,本文的研究工作主要分为如下三个部分:首先,本文提出一个用于突发话题检测的框架—ET-EPM,该框架将突发话题检测任务转化为一个突发模式挖掘和聚类任务。在词汇和模式的突发性衡量方面,本文提出一个基于局部加权线性回归算法的新颖性计算方法,理论分析和实证数据均表明该方法能够指导高效用模式挖掘算法挖掘获取到突发性比较高的模式。其次,本文将词嵌入向量融入到基于模块划分的图分割算法中,完成将模式集聚类为话题簇的过程。基于词嵌入向量的模式文本表达方式具有较高的语义表达能力,能够显著提升短文本相似度衡量性能。采用基于模块划分的图分割算法进行模式聚类,不仅无需指定聚类个数,而且能够确保收敛到全局最优解,在对数据流文本进行聚类时,具有更好的适用性。最后,本文在提出一种新的基于哈希标识的话题短语表达方式的基础上,还采用了传统的话题词汇表达形式作为补充。结合词汇和短语两种表达形式,不仅能够使得输出的话题具有更好的语义表达能力,还能确保不会遗漏任何话题。在新浪微博文本集上进行的实证研究表明本文提出的ET-EPM框架在突发性指标和综合性能方面相较于当前一些比较前沿的突发话题检测算法拥有更好的性能,从而证明了本文提出的框架在从新浪微博文本流中进行话题检测方面的有效性。

关键词：高效用模式挖掘突发话题检测突发模式词嵌入

来源：评论

学校读者我要写书评

暂无评论

基于并行高效用模式挖掘的故障诊断系统设计与实现

基于并行高效用模式挖掘的故障诊断系统设计与实现

引用

作者：吴鹏电子科技大学

学位级别：硕士

随着网络信息技术的迅猛发展,诸多行业将信息系统引入工作流,大量各异的信息系统被广泛应用。然而,信息系统过多会产生系统维护成本过大,故障难以诊断等问题。在电力信息系统中,诸多系统的频繁交互与海量数据所产生的故障信息,使用人工... 详细信息

随着网络信息技术的迅猛发展,诸多行业将信息系统引入工作流,大量各异的信息系统被广泛应用。然而,信息系统过多会产生系统维护成本过大,故障难以诊断等问题。在电力信息系统中,诸多系统的频繁交互与海量数据所产生的故障信息,使用人工进行诊断已成为较大负担,智能化故障诊断流程愈发重要。基于高效用模式的故障诊断解决了指标重要性差异问题,但由于新引入的定义,高效用模式挖掘面临提高效率困难、运行时间过长的挑战。同时,大数据环境下传统的高效用模式挖掘算法难以满足需求。本文依托实际电力业务数据,根据故障告警数据特性,提出一种高效率的并行高效用模式挖掘算法,提升了算法运行效率,并将其应用至故障诊断中,完成了故障诊断系统的设计与实现。本文解决了故障诊断场景中模式准确性与运行效率的平衡问题。本文的研究内容如下:(1)研究基于位运算的高效用模式挖掘算法。高效用模式挖掘算法运行效率的提升目前依然是一个关键问题。本文针对高效用模式挖掘算法中的效用列表构造过程,结合位运算操作,提出了状态压缩效用列表结构SCUL(State-Compressed Utility List),并以此设计了高效用模式挖掘算法SCUL-Miner。实验证明本文算法虽然占用内存略高,但最快时运行时间仅为最新算法的1/6。(2)研究高效用模式挖掘算法的并行、自适应及剪枝优化。在电力故障信息的数据背景下,现有的高效用模式挖掘算法主要针对数据结构设计与搜索空间剪枝,而缺乏对算法并行化与自适应数据结构选择研究。本文基于对SCUL-Miner流程的分析,将其核心函数并行化,对数据结构进行自适应选择,同时对搜索空间进行剪枝,实现了并行化、自适应、剪枝优化的MSCUL-Miner(Modified SCUL-Miner)。实验表明,本文提出的并行化策略的性能提速是SCUL-Miner的3倍;自适应优化选择的数据结构更加合理,在不大幅影响运行时间的前提下,减少了50%的内存占用;剪枝策略的性能提速最高为SCUL-Miner的5倍。(3)设计基于MSCUL-Miner的故障诊断核心算法,并实现故障诊断系统。结合模式知识库与MSCUL-Miner算法,提出完整的故障诊断算法,对比实验结果中,准确率较最高算法高12%,运行时间较最快算法少18%。接着以该算法为核心实现系统,首先对故障告警信息进行预处理,之后运行故障诊断核心算法,得到新故障信息的故障类别,完成故障诊断,满足电力信息系统运维人员工作需求。

关键词：故障诊断系统高效用模式挖掘并行化算法自适应算法

来源：评论

学校读者我要写书评

暂无评论

基于多效用阈值的分布式高效用序列模式挖掘

引用

计算机工程与设计 2020年第2期41卷 449-457页

作者：曾毅张福泉广西大学行健文理学院计算机与信息工程系广西南宁530005 北京理工大学计算机学院北京100081

针对序列模式的高效用模式挖掘过程中搜索空间大、计算复杂度高的问题,提出一种基于多效用阈值的分布式高效用序列模式挖掘算法。采用数组结构保存模式的效用信息,解决效用矩阵导致的内存消耗大的缺点。设计1-项集与2-项集的深度剪枝策... 详细信息

针对序列模式的高效用模式挖掘过程中搜索空间大、计算复杂度高的问题,提出一种基于多效用阈值的分布式高效用序列模式挖掘算法。采用数组结构保存模式的效用信息,解决效用矩阵导致的内存消耗大的缺点。设计1-项集与2-项集的深度剪枝策略,深入地缩小候选模式的搜索空间,减少搜索时间成本与缓存成本。提出挖掘算法的分布式实现方案,通过并行处理进一步降低模式挖掘的时间。基于中等规模与大规模的序列数据集分别进行实验,实验结果表明,该算法有效减少了候选模式的数量,降低了挖掘的时间成本与存储成本,对于大数据集表现出较好的可扩展能力与稳定性。

关键词：序列模式大数据高效用模式挖掘分布式计算频繁项集剪枝策略

来源：评论

学校读者我要写书评

暂无评论

基于聚类划分的高效用模式并行挖掘算法

引用

计算机应用 2016年第8期36卷 2202-2206,2212页

作者：邢淑凝刘方爱赵晓晖山东师范大学信息科学与工程学院济南250014 山东省分布式计算机软件新技术重点实验室(山东师范大学) 济南250014

针对在大规模数据库中挖掘高效用模式产生大量基于内存的效用模式树,从而导致内存空间占用较大以及丢失一些高效用项集的问题,提出在Hadoop分布式计算平台下的基于聚类划分的高效用模式并行挖掘算法PUCP。首先,采用聚类的方法把数据库... 详细信息

针对在大规模数据库中挖掘高效用模式产生大量基于内存的效用模式树,从而导致内存空间占用较大以及丢失一些高效用项集的问题,提出在Hadoop分布式计算平台下的基于聚类划分的高效用模式并行挖掘算法PUCP。首先,采用聚类的方法把数据库中相似的事务划分为若干数据子集;然后,把若干划分好的数据子集分配到Hadoop平台的各个节点中构造效用模式树;最后,把各个节点中相同项的条件模式基分配到同一个节点中进行挖掘,以减少各个节点交叉操作的次数。通过实验结果和理论分析表明:PUCP算法在不影响挖掘结果可靠性的前提下,与主流串行高效用模式挖掘——效用模式增长挖掘算法(UP-Growth)和现有的并行高效用模式挖掘算法PHUI-Growth相比,挖掘效率分别提高了61.2%和16.6%;并且使用了Hadoop计算平台,能有效缓解挖掘大规模数据的内存压力。

关键词：大数据高效用模式挖掘聚类并行计算 Hadoop

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：