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