干预规则挖掘的任务分类和三项技术进展

计算机应用 ›› 2010, Vol. 30 ›› Issue (1): 10-14.

干预规则挖掘的任务分类和三项技术进展

唐常杰¹,段磊²,王悦³,杨宁⁴,朱军⁵,代礼¹

1.
2. 四川大学计算机学院数据库与知识工程研究所
3. 合肥工业大学
4. 电子科技大学计算机科学与工程学院8020实验室
5. 四川大学华西校区中国出生缺陷监测中心

收稿日期:2009-07-02 修回日期:2009-09-03 发布日期:2010-01-01 出版日期:2010-01-01
通讯作者: 段磊
基金资助:
国家自然科学基金资助项目;国家十一五科技支撑计划项目

Task classification of intervention rules mining and advances of three technologies

Received:2009-07-02 Revised:2009-09-03 Online:2010-01-01 Published:2010-01-01
Contact: Lei Duan

摘要/Abstract

摘要： 介绍了亚复杂系统中干预规则的基本概念和挖掘方法，提出了干预规则挖掘技术的分类准则，综述了三项干预规则挖掘技术的最新进展，包括疾病状态干预技术、基于数据流的未知干预发现技术和基于并行事件序列的干预规则挖掘。在实践基础上分析了干预规则挖掘的难点，展望了进一步的研究工作。

关键词: 亚复杂系统, 数据挖掘, 干预规则挖掘

Abstract: The main contributions of this paper include: (1) introducing the basic concepts and mining methods of intervention rule over subcomplex system; (2) proposing the classification criteria for the tasks of intervention rules mining; (3) surveying the advances on three special mining techniques for intervention rules, including disease state intervention, intervention discovery from data streams, and intervention mining from parallel event sequences;(4) discussing the challenges and future research of intervention rules mining.

Key words: Sub-Complex System(SCS), data mining, intervention rules mining

唐常杰段磊王悦杨宁朱军代礼. 干预规则挖掘的任务分类和三项技术进展[J]. 计算机应用, 2010, 30(1): 10-14.

[1]	刘世泽, 秦艳君, 王晨星, 苏琳, 柯其学, 罗海勇, 孙艺, 王宝会. 基于深度残差长短记忆网络交通流量预测算法[J]. 计算机应用, 2021, 41(6): 1566-1572.
[2]	李旭娟, 皮建勇, 黄飞翔, 贾海朋. 基于自生成深度神经网络的4D航迹预测[J]. 计算机应用, 2021, 41(5): 1492-1499.
[3]	陈凯, 于彦伟, 赵金东, 宋鹏. 基于城市交通监控大数据的工作位置推理方法[J]. 计算机应用, 2021, 41(1): 177-184.
[4]	龙洋洋, 陈玉玲, 辛阳, 豆慧. 基于联盟区块链的安全能源交易方案[J]. 计算机应用, 2020, 40(6): 1668-1673.
[5]	杜旭升, 于炯, 叶乐乐, 陈嘉颖. 基于图上随机游走的离群点检测算法[J]. 计算机应用, 2020, 40(5): 1322-1328.
[6]	徐周波, 杨健, 刘华东, 黄文文. 基于XGBoost与拓扑结构信息的蛋白质复合物识别算法[J]. 计算机应用, 2020, 40(5): 1510-1514.
[7]	陈曦, 梅广, 张金金, 许维胜. 融合知识图谱和协同过滤的学生成绩预测方法[J]. 计算机应用, 2020, 40(2): 595-601.
[8]	马董, 陈红梅, 王丽珍, 肖清. 空间亚频繁co-location模式的主导特征挖掘[J]. 计算机应用, 2020, 40(2): 465-472.
[9]	李莎莎, 梁冬阳, 余杰, 纪斌, 马俊, 谭郁松, 吴庆波. 基于师门关系的研究团队挖掘算法[J]. 计算机应用, 2020, 40(11): 3198-3202.
[10]	孙鹤立, 张优优, 杨洲, 何亮, 贾晓琳. 基于时间线段树的城市可达区域搜索[J]. 计算机应用, 2020, 40(10): 2936-2941.
[11]	李博, 张晓, 颜靖艺, 李可威, 李恒, 凌玉龙, 张勇. 基于值差度量和聚类优化的K最近邻算法在银行客户行为预测中的应用[J]. 计算机应用, 2019, 39(9): 2784-2788.
[12]	纪丽娜, 陈凯, 于彦伟, 宋鹏, 王淑莹, 王成锐. 基于城市交通大数据的车辆类别挖掘及应用分析[J]. 计算机应用, 2019, 39(5): 1343-1350.
[13]	叶志宇, 冯爱民, 高航. 基于深度LightGBM集成学习模型的谷歌商店顾客购买力预测[J]. 计算机应用, 2019, 39(12): 3434-3439.
[14]	袁钟, 冯山. 基于邻域值差异度量的离群点检测算法[J]. 计算机应用, 2018, 38(7): 1905-1909.
[15]	陈辉, 蒋圭峰, 姜桂圆, 武继刚. 基于海量公交轨迹数据挖掘的地图匹配算法[J]. 计算机应用, 2018, 38(7): 1923-1928.