检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 不均匀模糊空间对象的分层次co-location模式挖掘方法

俞庆英, 罗永龙, 吴倩, 陈传明

计算机应用 2016, 36 (11): 3113-3117. DOI: 10.11772/j.issn.1001-9081.2016.11.3113

摘要（577）

PDF （904KB）（419）

针对现有的co-location模式挖掘算法无法有效处理不均匀分布空间对象的问题，提出一种不均匀模糊空间对象的分层次co-location模式挖掘方法。首先提出一种不均匀数据集的生成方法；然后对不均匀分布的数据集进行层次划分，使每个区域具有均匀的空间分布；再基于改进的PO_RI_PC算法对划分后的模糊对象进行空间数据挖掘。该方法基于距离变化系数构建每个子区域的邻域关系图，进而完成区域融合，实现co-location模式挖掘。实验结果表明，与传统方法相比，所提方法的执行效率更高，随实例个数和不均匀度的变化获得的co-location集个数更多，同比情况下平均提高约25%，获得了更精确的挖掘结果。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于效用表的快速高平均效用挖掘算法

王敬华, 罗相洲, 吴倩

计算机应用 2016, 36 (11): 3062-3066. DOI: 10.11772/j.issn.1001-9081.2016.11.3062

摘要（537）

PDF （722KB）（466）

高效用项集挖掘在数据挖掘领域中受到了广泛的关注，但是高效用项集挖掘并没有考虑项集长度对效用值的影响，所以高平均效用项集挖掘被提出；而目前的一些高平均效用项集挖掘算法需要耗费大量的时间才能挖掘出有效的高平均效用项集。针对此问题，给出了一个高平均效用项集挖掘的改进算法——FHAUI。FHAUI算法将效用信息保存到效用列表中，通过效用列表的比较来挖掘出所有的高平均效用值，同时FHAUI算法还采用了一个二维矩阵来有效减少二项效用值的连接比较次数。最后将FHAUI算法在多个经典的数据集上测试。实验结果表明，FHAUI算法在效用列表的连接比较次数上有了极大的降低，同时其时间性能也有非常大提高。

参考文献 | 相关文章 | 多维度评价