{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,4,1]]，“日期-时间”：“2024-04-01T21:19:48Z”，“时间戳”：1712006388332}，“参考-计数”：28，“出版商”：“Springer Science and Business Media LLC”，“问题”：“1”，“许可证”：[{“开始”：{-date-parts”：[2011,8,28]]，《日期-时间》：“2011-08-28T00:00:00Z”，“timestamp”：1314489600000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“http://www.springer.com/tdm”}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，”short-container-title“：[”Data Min Knowl Disc“]，”published-print“：{”date-parts“：[[2012,7]]}”，“DOI”：“10.1007\/s10618-011-0233-y”，“type”：“journal-article”，“created”：{“date-parts”：[[2011,8,27]]，“日期-时间”：“2011-08-27T01:56:10Z”，“时间戳”：1314410170000}，“页面”：“67-108”，“源”：“Crossref”，“is-referenced-by-count”：24，“标题”：[“发现具有一般部分顺序的内射集”]，“前缀”：“10.1007”，《卷》：“25”，“作者”：[{“给定”：“Avinash”，“家族”：“Achar”，”序列“：“第一”，“从属关系”：[]}{“给定”：“Srivatsan”，“family”：“Laxman”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Raajay”“key”：“233_CR1”，“unstructured”：“Achar A（2010）发现具有一般部分顺序的频繁插曲。印度科学院电气工程系博士论文，班加罗尔“}，{“key”：“233_CR2”，“unstructured”：“Achar A，Laxman S，Raajay V，Sastry PS（2009）Discovering general partial orders from event streams。Technical report.arXiv:0902.1227v2[cs.AI].http:\/\/arXiv.org”}，}“key:”233_CR3“unstrustured”Agrawal R，Srikant R（1995）挖掘序列模式。摘自：第十一届数据工程国际会议论文集，台湾台北。IEEE Computer Society，Washington，DC“}，{“key”：“233_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Bouqata B，Caraothers CD，Szymanski BK，Zaki MJ（2006）Vogue：一种用于序列建模的新型可变顺序映射状态机。摘自：第十届欧洲数据库知识发现原理与实践会议记录，第4213卷。Springer-Verlag，Berlin，Heidelberg，pp 42\u201354“，”DOI“：”10.1007\/11871637_9“}，{”key“：”233_CR5“，”DOI-asserted-by“：”crossref“，”first page“：“456”，“DOI”：“10.1038\/nn1228”，“volume”：“7”，“author”：“E Brown”，“year”：“2004”，“unstructured”：“Brown E，Kass K，Mitra P（2004）多神经元棘波序列数据分析：现状和未来挑战。Nat Neurosci 7:456\u2013461“，”journal-title“：”Nat Neuriosci“}，{”key“：”233_CR6“，”doi-asserted-by“：”crossref“，”unstructured“：”Casas-Garriga G（2003）《在序列数据中发现无界事件》。第七届欧洲数据库知识发现原则与实践会议论文集（PKDD\u201903）.Cavtat-Dubvrovnik，克罗地亚，第83页\u201394“，“DOI”：“10.1007\/978-3540-39804-2_10”}，{“key”：“233_CR7”，“DOI-asserted-by”：“crossref”，“unstructured”：“Casas-Garriga G（2005）Summarizing sequenting data with closed partial orders。In:Proceedings of 2005 SIAM international conference on data mining（SDM\u201905）”，“DOI:”10.1137\/1.9781611972757.34“}，}”key“：“233_CR8”，“doi-asserted-by”：“crossref”，“first page”：“279”，“doi”：“10.1016\/j.jneumeth.2009.06.018”，“volume”：”182“，“author”：“C Diekman”，“year”：“2009”，“unstructured”：“Diekman C，Sastry PS，Unnikrishnan KP（2009）多神经元棘突序列放电模式的统计意义。《神经科学方法杂志》182:279\u2013284“，“期刊标题”：“神经科学方法”}，{“key”：“233_CR9”，“doi-asserted-by”：“crossref”，“unstructured”：“H\u00e4t\u00f6nen K，Klemettinen M，Mannila H，Ronkainen P，Toivonen H（1996）从电信网络报警数据库中发现知识。摘自：第十二届数据工程国际会议记录（ICDE\u201996）。IEEE计算机学会，华盛顿特区，pp 115\u2013122“，“DOI”：“10.1109\/ICDE.1996.492095”}，{“key”：“233_CR10”，“unstructured”：“Iwanuma K，Takano Y，Nabeshima H（2004）关于从单个超长序列中提取序列模式的反单调频率度量。收录：2004年IEEE控制论和智能系统会议论文集，第1卷，第213\u2013217页“}，{“key”：“233_CR11”，“unstructured”：“Laxman S（2006）Discovering frequent spocients:fast algorithms，connections with HMMs and generalizations.PhD position，Department of Electrical Engineering，Indian Institute of Science，Bangalore”}，“key“：”233_CR12“，”doi-asserted-by“：”crossref“，”first page“：”1505“，”doi“：”10.1109\/TKDE.2005.181“，”volume“：“17”，”author“：”S Laxman“，”year“：”2005“，”unstructured“：”Laxman S，Sastry PS，Unnikrishnan KP（2005）发现频繁插曲和学习隐马尔可夫模型：一种形式上的联系。IEEE Trans Knowl Data Eng 17:1505\u20131517“，“journal-title”：“IEEE Trans-Knowl-Data Eng”}，{“key”：“233_CR13”，“doi-asserted-by”：“crossref”，“unstructured”：“Laxman S，Sastry PS，Unnikrishnan KP（2007a）一种用于在事件流中查找频繁事件的快速算法。收录：第13届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD\u201907）。加利福尼亚州圣何塞市，2013年8月12日，第410\u2013419页“，”DOI“：”10.1145\/128192.1281238“}，{”key“：”233_CR14“，”DOI-asserted-by“：”crossref“，”first page“：“1188”，“DOI”：“10.1109\/TKDE.2007.1055”，“volume”：“19”，“author”：“S Laxman”，“year”：“2007”，“unstructured”：“Laxman S，Sastry PS，Unnikrishnan KP（2007b）当事件持续不同的持续时间时，发现频繁的一般性发作。IEEE Trans Knowl Data Eng 19:1188\u20131201“，“journal-title”：“IEEE Trans-Knowl-Data Eng”}，{“key”：“233_CR15”，“doi-asserted-by”：“crossref”，“unstructured”：“Laxman S，Tankasali V，White RW（2008）使用基于事件序列中频繁事件的生成模型进行流预测。摘自：第十四届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD\u201909），第453\u2013461页，“DOI”：“10.1145\/1401890.1401947”}，{“key”：“233_CR16”，“DOI-asserted-by”：“crossref”，“first page”：《687》，“DOI:”：“101002\/1098-111X（200008）15:8<687:：AID-INT1>3.0.CO；2-X”，“volume”：第“15”，“author”：“J罗”，“年份”：“2000”，“非结构化”：“罗J，Bridges SM（2000）挖掘模糊关联规则和模糊频繁事件进行入侵检测。Int J Intell Syst 15:687\u2013703“，“journal-title”：“Int J Intell Syss”}，{“key”：“233_CR17”，“doi-asserted-by”：“crossref”，“unstructured”：“Mannila H，Meek C（2000）序列数据的全球偏序。In：第六届ACM SIGKDD知识发现和数据挖掘国际会议论文集（KDD\u201907）.ACM，纽约，第161\u2013168页“，”DOI“：”10.1145\/347090.347122“}，{”issue“：”3“，”key“：”233_CR18“，”DOI-asserted-by“：”crossref“，”first page“：“259”，“DOI”：“10.1023\/A:1009748302351”，“volume”：“1”，”author“：”H Mannila“，”year“：”1997“，”unstructured“：”Mannila H，Toivonen H，Verkamo AI（1997）发现事件序列中的频繁事件。Data Min Knowl Discov 1（3）：259\u2013289“，“journal-title”：“Data Min Knowl Discov”}，{“key”：“233_CR19”，“unstructured”：“Nag A，Fu AW（2003）挖掘与金融事件和股票趋势相关的频繁事件。摘自：第七届太平洋亚洲知识发现和数据挖掘会议记录（PAKDD 2003）。柏林，斯普林格出版社，第27\u201339页”}，{“key”：“233_CR20”，“首页”：“49”，“卷”：“16”，“作者”：“D Patnaik”，“年份”：“2008年”，“非结构化”：“Patnaick D，Sastry PS，Unnikrishnan KP（2008）从棘波数据推断神经元网络连通性：时间数据挖掘方法。Sci Program 16:49\u201377”，“journal-title”：“Sci Program}，{”key“：”233_CR2“，”doi-asserted-by“：”crossref“，“首页”：“1467”，“DOI”：“10.1109\/TKDE.2006.172”，“卷”：“18”，“作者”：“贝聿铭”，“年份”：“2006”，“非结构化”：“贝J，王H，刘J，柯W，王J，于PS（2006）从字符串中发现频繁闭合的部分订单。IEEE Trans Knowl Data Eng 18:1467\u20131481”，“日志标题”：“IEEE Trans-Knowl-Data Eng”}，{“问题”：“4”，“密钥”：“233_CR22”，“doi-asserted-by”：“crossref”，“first page”：“1025”，“doi”：“10.1162\/neco.2009.12-08-928”，“volume”：”22“，“author”：“PS Sastry”，“year”：“2010”，“unstructured”：“Sastry PS，Unnikrishnan KP（2010）多神经元棘突序列模式的简明概率显著性检验。神经计算22（4）：1025\u20131059”，“journal-title”：“Neural Compute”}，{“key”：“233_CR23”，“doi-asserted-by”：“crossref”，“unstructured”：“Tatti N（2009）基于最小窗口的剧集的意义。In:Proceedings of the 2009 IEEE international conference on data mining”，“doi”：“10.1109\/ICDM.2009.23”}、{“key”：”233_CR2“，”doi-assert-by“crossrev”，”unstructure“：”Tatti N，Cule B（2010）挖掘关闭的严格剧集。摘自：2010年IEEE数据挖掘国际会议论文集“，”DOI“：”10.1109\/ICDM.2010.89“}，{“key”：“233_CR25”，“unstructured”：“Unnikrishnan KP，Shadid BQ，Sastry PS，Laxman S（2009）《使用时态数据挖掘的根本原因诊断》。美国专利75092342009年3月24日“}”，{：“233CR26”，“DOI-asserted-by”：“crossref”，“非结构化”：“Wagenaar DA、Pine J、Potter SM（2006），皮层文化发展过程中爆发模式的丰富剧目。BMS Neurosci”，“DOI”：“10.1186\/1471-2202-7-11”}，{“key”：“233_CR27”，“unstructured”：“Wang J，Han J（2004）BIDE:高效挖掘频繁闭合序列。In:第20届国际数据工程会议。波士顿”}、{“key”：”233_CR2“，“unsructured“：”Wang M-F，Wu Y-C，Tsai M-F（2008）利用加权后缀树中的频繁情节改进入侵检测系统。摘自：2014年第22届高级信息网络和应用国际会议论文集。IEEE Computer Society，Washington，pp 1246\u20131252“}]，“container-title”：[“数据挖掘和知识发现”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“http://\/link.springer.com/content\/pdf\/10.1007\/s10618-011-0233-y.pdf”，“内容类型”：“application\/pdf”、“内容-版本”：“vor”，“intended-application”：“text-Mining”}，{“URL”：“http:\/\/link.springer.com/article\/10.1007\/s10618-011-0233-y\/fulltext.html“，”content-type“：”text\/html“，”内容-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”http://\/link.springer.com\/content\/pdf\/10.10007\/s10618.011-0233-y“，”content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity”y-检查“}]，”存放“：{“date-parts”：[[2021,12,2]，“date-time”：“2021-12-02T01:47:35Z”，“timestamp”：1638409655000}，“score”：1，“resource”：{（主要）：{”URL“：”http://\/link.springer.com/10.1007\/s10618-011-0233-y“}}，”副标题“：[]，”短标题“：[]，“issued”：{“date-ports”：[2011,8,28]}，，“references-count”：28，“新闻发布”：{“发布”：“1”，“发布发布”：date-parts“：[[2012,7]]}}，”alternative-id“：[”233“]，”URL“：”http://\/dx.doi.org\/10.1007\/s10618-011-0233-y“，”relation“：{}，“ISSN”：[“1384-5810”，“1573-756X”]，“ISSN-type”：[{“value”：“1384-5510”，”type“：”print“}，{“value”：“1573-75%”，”主题“：[]，”已发布“：{“日期部分”：[[2011,8,28]]}}