前缀span

PrefixSpan:通过前缀投影模式增长有效地挖掘序列模式。序列模式挖掘是一个具有广泛应用前景的重要数据挖掘问题。这是一个挑战,因为人们可能需要检查一个组合爆炸数目的可能的子序列模式。以往发展起来的序列模式挖掘方法大多遵循Apriori的方法,可以大大减少要检查的组合的数量。然而,当序列数据库很大和/或要挖掘的序列模式很多和/或长时,Apriori仍然会遇到问题。本文提出了一种新的序列模式挖掘方法PrefixSpan(即前缀投影序列模式挖掘),对序列模式挖掘中的前缀投影进行了研究。PrefixSpan挖掘完整的模式集,但大大减少了候选子序列生成的工作量。此外,前缀投影大大减少了投影数据库的大小,并导致高效的处理。在最近的研究中,aprixsp和基于pan的prefixsori算法的性能都优于我们最近提出的另一种基于pan的前缀挖掘算法


zbMATH中的参考文献,1标准件)

显示第1到第20个结果,共77个。
按年份排序(引用)
  1. Kocheturov,A.;Pardalos,P.M.:扩展列表的频繁时间模式挖掘(2018)
  2. Le,Bac;Dinh,Duy Tai;Huynh,Van Nam;Nguyen,Quang Minh;Fournier Viger,Philippe:隐藏高效用序列模式的有效算法(2018)
  3. 李广、刘凯、丁文文、程飞、陈伯阳:基于李群的三维骨骼关键骨架模式挖掘与动作识别(2018)
  4. 刘俊强;张兴兴;冯,本杰明C.M.;李久勇;伊克巴尔,法克亨德:top-(n)高效用模式的机会主义开采(2018)
  5. Aoga,John O.R.;Guns,Tias;Schaus,Pierre:用约束编程挖掘时间约束的序列模式(2017)
  6. Kemmar,Amina;Lebbah,Yahia;Loudni,Samir;Boizumault,Patrice;Charnois,Thierry:序列模式挖掘的前缀投影全局约束和top-(k)方法(2017)
  7. Zhuo,Hankz Hankui;Kambhampati,Subbarao:模型精简规划:基于案例的方法与基于模型的方法(2017年)
  8. Hayezhan,adaptive streams,2017;high Memory,Mortezyan,adaptive streams;high Memory
  9. Ahmed,Akiz Uddin;Ahmed,Chowdhury Farhan;医学博士Samiullah;Adnan,Nahim;Leung,Carson Kai Sang:从不确定数据库中挖掘有趣的模式(2016)
  10. Boghey,Rajesh Kumar;Singh,Shailendra:增量序列模式挖掘的序列树方法(2016)
  11. 曹龙兵;董向军;郑志刚:e-NSP:有效负序列模式挖掘(2016)
  12. Nakamura,Atsuyoshi;Takigawa,Ichigaku;Tosaka,Hisashi;Kudo,Mineichi;Mamitsuka,Hiroshi:频繁出现局部最优现象的近似模式挖掘(2016)
  13. Petitjean,François;Li,Tao;Tatti,Nikolaj;Webb,Geoffrey I.:Skopus:在杠杆作用下挖掘top-(k)序列模式(2016)
  14. Tabaei Beforouei,Mitra;Wang,Chao;Weissenbacher,Georg:用于解释并发错误的跟踪的抽象和挖掘(2016)
  15. Demetrovics,Janos;Thi,Vu Duc;Duong,Tran Huy:使用前缀投影数据库挖掘规范化加权序列模式的算法(2015)
  16. Fang,Qong;Ng,Wilfred;Feng,Jianlin;Li,Yuliang:从概率矩阵中挖掘保序子矩阵(2014)
  17. 吕明奇;陈凌玲;陈根才:基于日常活动的用户相似度挖掘(2013)ioport公司
  18. 陈玲;吕明奇;叶倩;陈根才;伍德沃德,约翰:基于轨迹数据挖掘的个人路径预测系统(2011)ioport公司
  19. 陈延亮;吴新义;王玉成:在序列数据库中发现多标签时间模式(2011)ioport公司
  20. Christian Derosiers;Philippe Galinier;Hertz,Alain;Hansen,Pierre:用基于失败的启发式改进约束模式挖掘(2011)