杰诺斯·德梅特罗维奇;Thi,Vu Duc先生;Duong、Tran Huy 使用前缀投影数据库挖掘归一化加权序列模式的算法。 (英语) Zbl 1387.68308号 Serdica J.计算。 9,第2期,105-122(2015). 摘要:序列模式挖掘是数据挖掘中的一个重要课题,在许多不同领域都有广泛的应用。然而,以前的顺序挖掘算法大多旨在计算出现的次数(支持),而不考虑不同数据项的重要性。在本文中,我们建议探索具有归一化权重的子序列的搜索空间。我们不仅对序列的出现次数(序列的支持)感兴趣,还关注序列的重要性(权重)。在生成子序列候选时,我们使用候选的支持度和权重,同时保持这些模式的向下闭包特性,从而加快候选生成的过程。 MSC公司: 68瓦32 字符串上的算法 第68页,共15页 数据库理论 关键词:数据挖掘;频繁序列模式;加权;顺序模式 软件:前缀跨度 PDF格式BibTeX公司 XML格式引用 \textit{J.Demetrovics}等人,Serdica J.Compute。9,第2号,第105-122条(2015;Zbl 1387.68308) 全文: 链接 参考文献: [2] Agrawal R.、R.Srikant。挖掘序列模式。摘自:《第十一届国际数据工程会议论文集》,台北,1995年3月6日至10日,3-14。 [3] 阿格拉瓦尔·R·斯里坎特。挖掘序列模式:概括和性能改进。摘自:《扩展数据库技术国际会议论文集》,《计算机科学讲义》,第1057卷(1996年),第3-17页。 [4] 裴J.,J.Han,B.M.Asi,H.Pino。通过前缀预测模式增长有效地挖掘序列模式。摘自:《第十七届国际数据工程会议论文集》,2001年,215-224。 [5] Zaki M.一种挖掘频繁序列的有效算法。机器学习,第40卷(2000),31-60·Zbl 0970.68052号 [6] Ayres J.、J.Gehrke、T.Yiu和J.Flannick。使用位图表示的序列模式挖掘。收录:ACM SIGKDD02会议记录,2002年,429-435。 [7] Khan M.S.、M.Muyeba、F.Coenen。从二进制和模糊数据中挖掘加权关联规则。摘自:第八届工业会议论文集,ICDM 2008,200-212。 [8] Tao F.,F.Murtagh,M.Farid,《使用加权支持和重要性框架的加权关联规则挖掘》,载于:第九届ACM SIGKDD知识发现和数据挖掘会议论文集,2003661-666。 [9] Yun U.在长度减少的支持约束下,有效挖掘加权频繁模式。基于知识的系统,21(2008),第8期,741-752。 [10] Yun U.,J.J.Leggett。WFIM:具有权重范围和最小权重的加权频繁项集挖掘。摘自:第五届SIAM国际数据挖掘大会,2005年,636-640。 [11] Hirate Y.、H.Yamana。带项目间隔的广义序列模式挖掘。JCP,1(2006),第3号,51-60。 [12] Lan G.C.、T.P.Hong、H.Y.Lee。一种从序列数据库中找到加权序列模式的有效方法。《应用情报》,41(2014),第2期,439-452。 [13] Tran M.T.、B.Le、B.Vo。结合动态位向量和事务信息,有效挖掘频繁闭合序列。人工智能的工程应用,38(2015),183-189。 [14] Vo B.、F.Coenen、B.Le。一种新的基于WIT树的频繁加权项集挖掘方法。《应用专家系统》,40(2013),第4期,1256-1264。 [15] Yun U.、G.Pyun和E.Yoon。无信息损失的稳健闭加权序列模式的高效挖掘。《国际人工智能工具杂志》,24(2015),第1期,28页。 [16] Yun U.、K.H.Ryu。有/无噪声环境的近似加权频繁模式挖掘。基于知识的系统,24(2011),第1期,73-82。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。