计算机科学››2015第42卷››问题(5):260-264。数字对象标识:10.11896/j.issn.1002-137X.2015.05.052

人工智能 • 上一篇   下一篇

一种基于逻辑的频繁序列模式挖掘算法

刘端阳,冯 建,李晓粉  

  1. 浙江工业大学计算机科学与技术学院 杭州310023,浙江工业大学计算机科学与技术学院 杭州310023,浙江工业大学计算机科学与技术学院 杭州310023
  • 出版日期:2018-11-14 发布日期:2018-11-14
  • 收益:
    本文受浙江省自然科学基金(LY14F020018),国家自然科学基金(61202204)资助

基于逻辑的频繁序列模式挖掘算法

刘端阳、冯健、李晓芬  

  • 在线:2018-11-14 出版:2018-11-14

摘要:传统的类Apriori公司频繁序列模式挖掘算法都是基于支持度框架理论,需要预先设定支持度阈值,而这通常需要较深的领域知识或大量的实践,因此目前仍没有一种很好的设定方法。同时,序列模式的挖掘结果往往数量很大且不易理解,可用性较低。针对上述问题,提出了一种基于逻辑的频繁序列模式挖掘算法即LFSPM公司首页

关键词: 频繁序列模式,数据挖掘,逻辑,支持度阈值

摘要:传统的Apriori-like序列模式挖掘算法是基于支持的理论框架,需要预先设置支持阈值,但这往往需要深入的领域知识或大量的实践。因此,仍然没有好的方法来设置它。同时,序列模式的结果太大,无法理解和应用。为了解决这些问题,本文提出了一种基于逻辑的频繁序列模式挖掘算法LFSPM,并首次将逻辑思想引入到频繁模式挖掘过程中。通过使用逻辑规则进行过滤,大大优化了结果集。实验表明,该方法对解决这些问题具有良好的性能。

关键词: 频繁序列模式、数据挖掘、逻辑、支持阈值

[1] Agrawal R,Srikant R.挖掘序列模式[C]‖第十一届国际数据工程会议进程,1995。IEEE,1995:3-14
[2] 严X,韩J,Afshar R.CloSpan:挖掘大数据集中的闭合序列模式[C]‖SIAM国际数据挖掘会议论文集.2003:166-177
[3] 王建阳、韩家伟。BIDE:频繁闭合序列的高效挖掘[C]‖2004年国际数据工程会议论文集.波士顿,2004:79-90
[4] 童咏昕,张媛媛,袁玫,等.一种挖掘压缩序列模式的有效算法[J] ●●●●。计算机研究与发展,2010,47(1):72-80
[5] Chang L,Wang T,Yang D,et al.Seqstream:挖掘流滑动窗口上的闭合序列模式[C]‖第八届IEEE数据挖掘国际会议,2008(ICDM'08)。IEEE,2008:83-92
[6] Luo C,Chung S M.使用样本挖掘最大频率序列的可扩展算法[J]。知识和信息系统,2008,15(2):149-179
[7] Chedyeams R,Pascal P,Maguelonne T.速度:挖掘数据流上的最大序列模式[C]‖第三届国际IEEE智能系统会议论文集。伦敦:IEEE,2006:546-552
[8] 严X,程H,韩J,等。项目集模式概述:基于轮廓的方法[C]‖第十一届ACM SIGKDD数据挖掘知识发现国际会议论文集。美国医学会,2005:314-323
[9] 王涛.在有噪音的环境中挖掘序列模式精简基[J] ●●●●。华中科技大学学报:自然科学版,2006,34(6):35-38
[10] Kum H C,Pei J,Wang W,et al.近似映射:一致序列模式的近似挖掘[C]‖第三届SIAM国际数据挖掘会议(SIAM-DM).2003:311-315
[11] Chang L,Yang D,Tang S,等。压缩序列模式挖掘[M]‖高级数据挖掘与应用。施普林格-柏林-海德堡,2006:761-768
[12] Xin D,Cheng H,Yan X,et al.提取冗余感知top-kpatterns[C]‖第十二届ACM SIGKDD国际知识发现与数据挖掘会议论文集。美国医学会,2006:444-453
[13] 程舒通,徐从富,但红卫.基于偏序压缩技术的频繁序列模式数据挖掘[J] ●●●●。计算机工程与应用,2008,44(3):192-194
[14] Sim A T H,Indrawan M,Zutshi S等。基于逻辑的模式发现[J]。IEEE知识与数据工程汇刊,2010,22(6):798-811
[15] 陈春浩,兰国成,等.考虑支持度的高相干关联规则挖掘[J]。应用专家系统,2013,0(16):6531-6537

未找到相关文章!
已查看
全文


摘要

引用

  共享   
  已讨论   
找不到建议阅读的文章!