检索结果

Select

1. 基于差分隐私的轨迹模式挖掘算法

金凯忠, 彭慧丽, 张啸剑

计算机应用 2017, 37 (10): 2938-2945. DOI: 10.11772/j.issn.1001-9081.2017.10.2938

摘要（547）

PDF （1476KB）（502）

针对现有基于差分隐私的频繁轨迹模式挖掘算法全局敏感度过高、挖掘结果可用性较低的问题，提出一种基于前缀序列格和轨迹截断的差分隐私下频繁轨迹模式挖掘算法--LTPM。该算法首先利用自适应的方法获得最优截断长度，然后采用一种动态规划的策略对原始数据库进行截断处理，在此基础上，利用等价关系构建前缀序列格，并挖掘频繁轨迹模式。理论分析表明LTPM算法满足 ε-差分隐私；实验结果表明，LTPM算法的准确率（TPR）和平均相对误差（ARE）明显优于 N-gram和Prefix算法，能有效提高挖掘结果的可用性。

参考文献 | 相关文章 | 多维度评价

Select

2. 改进的基于频繁模式树的最大频繁项集挖掘算法——FP-MFIA

杨鹏坤, 彭慧, 周晓锋, 孙玉庆

计算机应用 2015, 35 (3): 775-778. DOI: 10.11772/j.issn.1001-9081.2015.03.775

摘要（590）

PDF （591KB）（633）

针对最大频繁项目集挖掘算法(DMFIA)当候选项目集维数高而最大频繁项目集维数较低的情况下要产生大量的候选项目集的缺点,提出了一种改进的基于频繁模式树(FP-tree)结构的最大频繁项目集挖掘算法——FP-MFIA。该算法根据FP-tree的项目头表,采用自底向上的搜索策略逐层挖掘最大频繁项目集,从而加速每次对候选集计数的操作。在挖掘时根据每层的条件模式基产生维数较低的非频繁项目集,尽早对候选项目集进行剪枝和降维,可大量减少候选项目集的数量。同时在挖掘时充分利用最大频繁项集的性质,减少搜索空间。通过算法在不同支持度下挖掘时间的对比可知,算法FP-MFIA在最小支持度较低的情况下时间效率是DMFIA以及基于降维的最大频繁模式挖掘算法(BDRFI)的2倍以上,说明FP-MFIA在候选集维数较高的时候优势明显。

参考文献 | 相关文章 | 多维度评价

Select

3. 用于动态场景高动态范围成像的局部熵引导的双分支网络

黄颖李昌盛彭慧刘苏

《计算机应用》唯一官方网站 DOI: 10.11772/j.issn.1001-9081.2023121726
预出版日期: 2024-04-10