跳到主要内容
10.1145/2184512.2184563acm会议文章/章节视图摘要出版物页面acm-se公司会议记录会议集合
研究论文

概率频繁闭项集的快速逼近

出版:2012年3月29日 出版历史
  • 获取引文提醒
  • 摘要

    近年来,基于可能世界语义和频率计算的动态规划方法,提出了在不确定数据库中挖掘概率频繁项集(PFI)的概念和算法。该方案中给定项集的频率可以用泊松二项式分布来表征。此外,最近,其他人将这些概念扩展到挖掘概率频繁闭项集(PFCI),以减少输出的数量和冗余。此外,基于泊松分布能够很好地逼近泊松二项分布的事实,特别是当数据库规模较大时,已经做了一些工作,通过近似加速PFI的计算,以挖掘近似概率频繁项集(A-PFI),介绍了近似概率频繁闭项集(A-PFCI)的概念和挖掘算法。介绍了一种用于挖掘此类概念的新挖掘算法,称为A-PFCIM。实验评估表明,A-PFCI的挖掘速度可以比传统PFCI的挖掘快几个数量级。

    工具书类

    [1]
    T.Bernecker、H.-P.Kriegel、M.Renz和F.Verhein。不确定数据库中项集挖掘的概率频繁模式增长(技术报告)。arXiv.org网站,cs。DB,2010年8月。
    [2]
    T.Bernecker、H.-P.Kriegel、M.Renz、F.Verhein和A.Zuefle。不确定数据库中的概率频繁项集挖掘。KDD’09:第15届ACM SIGKDD知识发现和数据挖掘国际会议记录,第119-127页,2009年6月。
    [3]
    T.Calders、C.Garboni和B.Goethals。不确定数据中项目集频繁概率的近似。数据挖掘(ICDM),2010年IEEE第十届国际会议,第749-754页,2010年。
    [4]
    C.Chui和B.Kao。一种从不确定数据中挖掘频繁项集的递减方法。PAKDD’08:第十二届亚太地区知识发现和数据挖掘进展会议记录,第64-75页,2008年1月。
    [5]
    C.Chui、B.Kao和E.Hung。从不确定数据中挖掘频繁项集。知识发现和数据挖掘的进展,第47-58页,2007年。
    [6]
    K.Geurts、G.Wets、T.Brijs和K.Vanhove。使用关联规则分析高频事故位置。华盛顿特区第82届年度交通研究委员会会议记录。(美国),1月12-16日,第1-18页,2003年。
    [7]
    P.Tang和E.A.Peterson。不确定数据库中概率频繁闭项集的挖掘。ACM-SE 49:第49届ACM东南地区年会会议记录,第86-91页。ACM,2011年。
    [8]
    L.Wang、R.Cheng、S.D.Lee和D.Cheung。加速概率频繁项集挖掘:基于模型的方法。CIKM’10:第19届ACM信息和知识管理国际会议记录,第429-438页。ACM请求权限,2010年10月。

    引用人

    查看全部

    建议

    评论

    信息和贡献者

    问询处

    发布于

    封面图片ACM会议
    ACM-SE’12:第50届东南地区年会会议记录
    2012年3月
    424页
    国际标准图书编号:9781450312035
    DOI(操作界面):10.1145/2184512
    如果复制品不是为了盈利或商业利益而制作或分发的,并且复制品的第一页载有本通知和完整引文,则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重ACM以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布,在服务器上发布或重新发布到列表,需要事先获得特定许可和/或付费。从请求权限[电子邮件保护]

    赞助商

    出版商

    计算机协会

    美国纽约州纽约市

    出版历史

    出版:2012年3月29日

    权限

    请求对此文章的权限。

    检查更新

    作者标记

    1. 泊松二项分布的逼近
    2. 概率频繁闭项集挖掘
    3. 项目集的概率支持
    4. 不确定数据库

    限定符

    • 研究文章

    会议

    2012年ACM SE
    赞助商:
    ACM SE’12:ACM东南地区会议
    2012年3月29日至31日
    阿拉巴马州塔斯卡卢萨

    接受率

    377份提交文件中的178份总体接受率,47%

    贡献者

    其他指标

    文献计量学和引文

    文献计量学

    文章指标

    • 下载量(最近12个月)2
    • 下载次数(最近6周)0

    其他指标

    引文

    引用人

    查看全部
    • (2024)GMiner++:通过减少冗余计算促进基于GPU的频繁项集挖掘带应用程序的专家系统2016年10月10日/j.eswa.2024.123928250(123928)在线发布日期:2024年9月
    • (2023)基于蚁群优化的不确定数据库中有趣频繁项集的发现国际计算机与应用杂志10.1080/1206212X.2023.226368945:11(673-679)在线发布日期:2023年10月9日
    • (2020)不确定感知数据上概率最大频繁项集挖掘的逼近IEEE接入10.1109/通道.2020.29974098(97529-97539)在线发布日期:2020年
    • (2017)基于不确定数据库期望界的概率频繁项集挖掘2017年第十四届普适系统、算法和网络国际研讨会、2017年第十一届计算机科学与技术前沿国际会议和2017年第三届国际创新计算研讨会(ISPAN-FCST-ISCC)10.1109/ISPAN-FCST-ISCC.2017.92(14-19)在线发布日期:2017年6月
    • (2017)从不确定数据库中发现Top-k概率频繁项集Procedia计算机科学10.1016/j.procs.2017.11.482122(1124-1132)在线发布日期:2017年
    • (2016)不确定数据库上的概率最大频繁项集挖掘高级应用程序的数据库系统10.1007/978-3-319-32025-0_10(149-163)在线发布日期:2016年3月25日
    • (2014)一种挖掘加权闭合序列模式的方法2014年第一届网络与软计算国际会议(ICNSC2014)10.1109/CNSC.2014.6906722(158-161)网上发布日期:2014年8月
    • (2013)总结概率频繁模式第19届ACM SIGKDD知识发现和数据挖掘国际会议记录10.1145/2487575.2487618(527-535)在线发布日期:2013年8月11日

    视图选项

    获取访问权限

    登录选项

    完全访问权限

    查看选项

    PDF格式

    以PDF文件查看或下载。

    PDF格式

    电子阅读器

    使用联机查看电子阅读器.

    电子阅读器

    媒体

    数字

    其他

    桌子

    分享

    分享

    共享此出版物链接

    在社交媒体上分享