搜索结果: 1-15 共查到“计算机科学技术 挖掘算法”相关记录135条 . 查询时间(0.182 秒)
基于模式增长的高效用序列模式挖掘算法
高效用序列模式 模式增长 闭包属性 数据挖掘
2021/4/23
高效用序列模式挖掘是数据挖掘领域的一项重要内容,在生物信息学、消费行为分析等方面具有重要的应用.与传统基于频繁项模式挖掘方法不同,高效用序列模式挖掘不仅考虑项集的内外效用,更突出项集的时间序列含义,计算复杂度较高.尽管已经有一定数量的算法被提出应用于解决该类问题,挖掘算法的时空效率依然成为该领域的主要研究热点问题.鉴于此,本文提出一个基于模式增长的高效用序列模式挖掘算法HUSP-FP。
基于多种群量子进化的区间二型模糊规则挖掘算法
基于模糊规则的分类系统 量子进化算法 多种群量子编码 变尺度变异 矛盾规则重构
2019/3/14
利用智能优化算法挖掘模糊分类规则能够解决模糊前件参数和无关项的组合优化问题, 但也存在依赖初始规 则以及更新过程无指导等缺陷, 导致分类精度难以保证. 为此, 本文以二型模糊规则分类系统为框架, 采用模糊聚类得 到代表性样本并启发式的产生初始规则, 以量子等位基因形式对规则进行编码生成多初始种群, 根据基因的优良性, 以 变尺度变异操作实现等位基因的指导性进化. 在此基础上, 利用矛盾规则重构机制...
基于粒计算的最简决策规则挖掘算法
决策规则 粒计算 粒度 粒矩阵
2014/1/20
传统的规则挖掘算法通常先约简属性再约简属性值. 该方法存在冗余计算, 当样本集增大时, 复杂性急剧增加. 对此提出一种基于粒计算的最简决策规则挖掘算法. 首先, 在不同粒度空间下计算条件粒与决策粒之间的粒关系矩阵; 然后, 将粒关系矩阵中隐含的信息H 1、H 2 作为启发式算子, 按信息粒约简属性值; 最后, 去除冗余属性并设置终止条件, 实现决策规则的快速挖掘. 理论分析和实验结果表明, 所提出...
大数据时代，开展面向海量、分布数据的知识发现研究成为学界和业界关注的热点，而负载均衡问题是开发分布式挖掘算法必须考虑的重要因素之一。为此，提出了一种基于垂直频繁模式树带有负载均衡的分布关联规则挖掘算法，算法采用垂直频繁模式树存储项及其关联而无需对局部挖掘结果进行合并，减少了通信量，简化了处理流程。同时所提出的算法采用混合体系结构即中心站点按照局部站点的处理能力分配任务，实现了负载均衡，提升了算法的...
Android应用所申请的各个权限可以有效反映出应用程序的行为模式，而一个恶意行为的产生需要多个权限的配合，所以通过挖掘权限之间的关联性可以有效检测未知的恶意应用。以往研究者大多关注单一权限的统计特性，很少研究权限之间关联性的统计特性。因此，为有效检测Android平台未知的恶意应用，提出了一种基于权限频繁模式挖掘算法的Android恶意应用检测方法，设计了能够挖掘权限之间关联性的权限频繁模式挖掘...
在生物信息学上，挖掘差异共表达双聚类有助于研究衰老、癌变类变化的生物过程。以往的差异共表达双聚类定义仅仅从一组基因的角度来衡量差异，导致包含了很多噪声。为了克服上述缺点提出新的差异共表达支持度MiSupport，可以将一组基因的差异细化到基因级别；并由此定义提出MiCluster算法，可以在两个真实的基因芯片数据中挖掘最大的差异共表达双聚类。MiCluster算法首先基于两个基因芯片数据构建差异共...
在稠密型数据库中，现有最大频繁项集挖掘算法效率低、耗时长，挖掘结果模糊，不利于用户使用。为此，提出一种项约束先过滤的最大频繁项集挖掘算法——VCM。利用项包含约束过滤数据库，使用垂直数据表示数据集，采用深度优先的挖掘策略对数据库进行最大频繁相集的挖掘。实验结果表明，该算法快速有效，尤其在挖掘具有长模式的稠密数据库时优势明显。
基于层次梯度分析的协同数据挖掘算法
协同数据挖掘 关联规则 层次梯度 层次业务数据库
2012/1/20
传统的关联规则挖掘算法易形成大量频繁项目集，不适用于异构环境下海量交通数据的挖掘。为此，提出基于层次梯度且无候选项分析的协同数据挖掘算法。采用挖掘主题数据库和层次梯度构建层次业务数据库，逐层深度挖掘局部频繁项。利用弱化熵模型对频繁项主题数据库进行数据分析，并产生关联规则。实验结果表明，该算法适用于无候选项支持的协同挖掘。
提出一种基于隐马尔可夫模型的转录因子文本挖掘算法(HMM-TFM)，该方法通过建立转录因子名称的词库，利用谓语筛选策略判断句子是否描述转录因子， 使用隐马尔可夫模型预测单词词性，并根据前后文单词词性识别转录因子的名称。实验结果表明，HMM-TFM在英文文献中抽取转录因子名称的查全率和查准率分别可达74.2%和77.9%。
提出一种基于隐马尔可夫模型的转录因子文本挖掘算法(HMM-TFM), 该方法通过建立转录因子名称的词库, 利用谓语筛选策略判断句子是否描述转录因子, 使用隐马尔可夫模型预测单词词性, 并根据前后文单词词性识别转录因子的名称. 实验结果表明, HMM-TFM在英文文献中抽取转录因子名称的查全率和查准率分别可达74.2%和77.9%.
传统的关联规则挖掘算法不能在同一事务数据库中连续挖掘多个最小支持度的频繁项目集。为此，提出基于多个最小支持度的频繁项目集挖掘算法。运用集合论定义模型库的概念，将事务数据库转化成模型库，通过检索模型库得到频繁项目集，从而降低频繁项目集的挖掘时间。实验结果表明，该算法的挖掘效率高于Apriori算法。
在移动计算中挖掘满足用户需求的长频繁邻近类别集时,为了避免产生冗余候选项和减少重复计算量,提出一种基于幂集数递减的约束频繁邻近类别集挖掘算法,其能够提取包含约束条件的长频繁邻近类别集;该算法用幂集数递减序列来产生候选频繁邻近类别集,有效地删除了不满足用户需求的冗余候选项和减少了重复扫描空间实例的计算量.实验表明在挖掘满足用户需求的长频繁邻近类别集时,该算法比现有算法更快速.
P2P网络中最大频繁项集挖掘算法研究
数据挖掘 P2P网络 最大频繁项集 关联规则
2010/9/1
为解决P2P网络频繁项集挖掘中存在的全体频繁项集数量过多和网络通信开销较大这两个问题，提出了一种在P2P网络中挖掘最大频繁项集的算法P2PMaxSet。首先，该算法只挖掘最大频繁项集，减少了结果的数量;其次，每个节点只需与邻居节点进行结果交互，节省了大量的通信开销;最后，讨论了网络动态变化时算法的调整策略。实验结果表明，算法P2PMaxSet具有较高的准确率和较少的通信开销。
图挖掘已成为数据挖掘领域研究的热点，然而挖掘全部频繁子图很困难且得到的频繁子图过多，影响结果的理解和应用。可通过挖掘最大频繁子图来解决挖掘结果数量巨大的问题，最大频繁子图挖掘得到的结果数量很少且不丢失信息，节省了空间和以后的分析工作。基于算法FSG提出了最大频繁子图挖掘算法FSG-MaxGraph;结合节点的度、标记及邻接列表来计算规范编码，提出两个定理来减少子图同构判断的次数，并应用改进后的决策...