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。