贾法尔·阿迪比；沈伟民；伊曼·努尔巴赫什 数据挖掘和预测建模的自相似性——网络数据的案例研究。 （英语） Zbl 1048.68656号 Chen，Ming-Syan（编辑）等，《知识发现和数据挖掘的进展》。第六届亚太会议，2002年PAKDD，2002年5月6日至8日，台湾台北。诉讼程序。柏林：施普林格出版社（ISBN 3-540-43704-5）。莱克特。票据计算。科学。23362110-217（2002年）。 摘要：近年来，在自然结构和科学数据库（如网络交通数据）中观察自相似性和分形的研究很少。然而，将这些信息用于预测建模、数据挖掘和知识发现的工作很少。本文通过自相似分层隐马尔可夫模型（SSLHMM）对网络数据中嵌入的自相似结构进行了研究、分析和观测。SSLHMM是隐马尔可夫模型（HMM）的一种新的替代方法，已被证明在各种现实应用中都很有用。SSLHMM利用HMM的能力，将这种能力扩展到自相似结构，并利用这一特性降低预测建模过程的复杂性。与传统方法相比，SSLHMM方法能够捕获自相似信息，并提供更准确和可解释的模型。有关整个系列，请参见[Zbl 0992.68521号]. MSC公司： 68单位99 计算方法和应用 第68页，共15页 数据库理论 68第20页 信息存储和数据检索 PDF格式BibTeX公司 XML格式引用 \textit{J.Adibi}等人，Lect。票据计算。科学。2336210-217（2002年；兹bl 1048.68656） 全文： 链接