检索结果-南通市图书馆

计算机应用 2020年第2期40卷 465-472页

作者：马董陈红梅王丽珍肖清云南大学信息学院

空间co-location模式是一组空间特征的子集,它们的实例在邻域内频繁并置出现。通常,空间co-location模式挖掘方法假设空间实例相互独立,并采用空间实例参与到模式实例的频繁性(参与率)来度量空间特征在模式中的重要性,采用空间特征的最... 详细信息

空间co-location模式是一组空间特征的子集,它们的实例在邻域内频繁并置出现。通常,空间co-location模式挖掘方法假设空间实例相互独立,并采用空间实例参与到模式实例的频繁性(参与率)来度量空间特征在模式中的重要性,采用空间特征的最小参与率(参与度)来度量模式的有趣程度,忽略了空间特征间的某些重要关系。因此为了揭示空间特征间的主导关系而提出主导特征co-location模式。现有主导特征模式挖掘方法是基于传统频繁模式及其团实例模型进行挖掘,然而,团实例模型可能会忽略非团的空间特征间的主导关系。因此,基于星型实例模型,研究空间亚频繁co-location模式的主导特征挖掘,以更好地揭示空间特征间的主导关系,挖掘更有价值的主导特征模式。首先,定义了两个度量特征主导性的指标;其次,设计了有效的主导特征co-location模式挖掘算法;最后,在合成数据集和真实数据集上通过大量实验验证了所提算法的有效性以及主导特征模式的实用性。

关键词：空间数据挖掘空间co-location模式亚频繁co-location模式主导特征主导特征co-location模式

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于星型模型的时空亚频繁co-location模式挖掘

基于星型模型的时空亚频繁co-location模式挖掘

引用

作者：李新源云南大学

学位级别：硕士

随着信息技术的发展,空间数据激剧增长,空间数据挖掘变得炙手可热。空间co-location模式挖掘是空间数据挖掘的重要分支,在现实生活中有着广泛应用。传统co-location模式挖掘只考虑形成团的特征实例,可能忽略了特征之间的一些非团的重要... 详细信息

随着信息技术的发展,空间数据激剧增长,空间数据挖掘变得炙手可热。空间co-location模式挖掘是空间数据挖掘的重要分支,在现实生活中有着广泛应用。传统co-location模式挖掘只考虑形成团的特征实例,可能忽略了特征之间的一些非团的重要空间关系。为此,亚频繁co-location模式提出星型模型及星型实例,用以挖掘没有形成团的特征之间的重要空间关系。在空间数据中,时间是一个重要维度,空间实例会随着时间的变化而出现或消失,其位置也会随时间改变。因此,在co-location模式挖掘中,需要考虑时间因素。然而,现有亚频繁co-location模式挖掘没有较好地考虑时间因素。为此,本文基于星型模型,研究时空亚频繁co-location模式挖掘,主要工作如下:一、考虑空间实例的位置时变性,研究时空亚频繁co-location模式挖掘。首先,分析如何恰当地将时间信息引入亚频繁模式挖掘中,定义了度量时空亚频繁模式的指标:时间亚频繁度。其次,证明时间亚频繁度的向下闭合性质,并利用该性质缩减搜索空间,提出了有效的时空亚频繁co-location模式挖掘算法STSCP（SpatioTemporal Sub-prevalent co-location Patterns）。最后,在八个不同规模的数据集上进行实验,验证了在实例数、时间片数、时间亚频繁阈值、空间亚频繁阈值等参数的影响下,所提STSCP算法均具有较高效率。此外,与PTBA（Prefix-Tree-Based Algorithm）算法相比,本文所提STSCP算法能够依据用户设定的时间亚频繁阈值,发现不同出现频度的时空亚频繁模式,可以挖掘更符合用户需求、更具有丰富语义和实用价值的模式。二、考虑时间的连续性,研究时间连续亚频繁co-location模式挖掘。首先,给出了相关概念并定义了两个度量时间连续亚频繁模式的指标:时空参与率和时空参与度。其次,提出了一种时间连续亚频繁co-location模式挖掘算法TCSCP（Time continuous Sub-prevalent co-location Patterns）。最后,在三个不同规模的数据集上进行实验,验证了在不同距离阈值、时间阈值以及时空亚频繁阈值的影响下,所提TCSCP算法均具有良好的效率。此外,与PTBA算法和STSCP算法相比,TCSCP算法挖掘的模式数量最少,可以缩小模式范围,更准确地找到用户所需模式。

关键词：空间数据挖掘亚频繁co-location模式时空亚频繁co-location模式时间连续亚频繁co-location模式

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

局部紧密的空间亚频繁co-location模式挖掘

局部紧密的空间亚频繁co-location模式挖掘

引用

作者：何秋晴云南大学

学位级别：硕士

如今,社会已经进入信息化时代,各领域在面对信息化转型时会产生大量空间数据。因此,空间数据挖掘成为了不可忽视的研究方向。在空间数据挖掘中,快速且高效的空间co-location模式挖掘近年来得到研究者极大重视,收获了丰富的成果。co-loca... 详细信息

如今,社会已经进入信息化时代,各领域在面对信息化转型时会产生大量空间数据。因此,空间数据挖掘成为了不可忽视的研究方向。在空间数据挖掘中,快速且高效的空间co-location模式挖掘近年来得到研究者极大重视,收获了丰富的成果。co-location模式的挖掘目标是识别空间事物之间的并置关系,因此识别出的co-location模式仅反映出空间事物之间的同位关系;基于团实例模型的传统colocation模式考虑实例之间能否成团,忽视了一些非团的重要邻近关系。针对上述问题,本文选择星型实例模型为基础模型,研究既考虑频繁性也考虑空间分布的两种co-location模式,并设计和实现了基于这两种模式的原型系统,主要工作如下:(1)提出局部紧密的亚频繁co-location模式挖掘。分析现实世界的空间数据,发现同样频繁的co-location模式会有不同的分布特性,比如空间中有些频繁模式紧密地分布在某区域内,这类既频繁又局部紧密的模式更实用、更易于解释。因此本文提出局部紧密的亚频繁co-location模式挖掘。首先,设计局部紧密模式的相关定义;然后研究挖掘该模式的算法,以及优化算法的剪枝条件;最后,通过大量的实验,分析局部紧密模式挖掘算法的效率,验证局部紧密模式的实用性。(2)提出局部紧密的时空亚频繁co-location模式挖掘。分析空间数据的时间特性,在上述研究的基础上融入时间,发现更符合用户要求的co-location模式。首先,解决了将时间特性引入到co-location模式挖掘的问题;然后,根据相关定义设计算法;最后,通过实验,评估所提算法的挖掘效率和挖掘结果。(3)设计并实现局部紧密的co-location模式挖掘与分析的原型系统。该系统通过Python中的Py Qt5模块开发,展示了局部紧密空间co-location模式挖掘、局部紧密的时空co-location模式挖掘及挖掘结果可视化三个功能模块。

关键词：空间数据挖掘亚频繁co-location模式局部紧密的空间亚频繁co-location模式时间约束局部紧密的时空亚频繁co-location模式

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于实例分布的co-location主导特征模式挖掘研究

基于实例分布的co-location主导特征模式挖掘研究

引用

作者：熊开放云南大学

学位级别：硕士

信息时代的浪潮不断推进,但空间数据的指数级增长与海量数据的处理能力不匹配,由此空间数据挖掘应运而生。空间co-location模式挖掘能发现空间中频繁关联的特征,在空间数据领域得到广泛关注。本文研究的空间co-location主导特征模式挖... 详细信息

信息时代的浪潮不断推进,但空间数据的指数级增长与海量数据的处理能力不匹配,由此空间数据挖掘应运而生。空间co-location模式挖掘能发现空间中频繁关联的特征,在空间数据领域得到广泛关注。本文研究的空间co-location主导特征模式挖掘方法,能够发掘不同重要性的空间特征,为空间数据分析及决策提供支持。在空间co-location模式的主导特征挖掘中,特征实例的空间分布状态是衡量模式中特征主导强度的一个不可忽视的因素。以往不论是团实例模型上或是星型模型上关于主导特征的挖掘研究,在度量模式中特征的主导强度时,都没有从特征实例分布的角度综合考虑一个特征主导其它特征的可能倾向和影响强度,使得挖掘出的部分主导特征模式不能准确地、真实地反映模式中特征间的主导作用关系。主导特征co-location模式基于实例间的空间邻近关系进行挖掘,实例分布表现出的邻近关系差异,导致特征间的作用关系(主导关系)也不同。为此,本文分别在团实例模型和星型模型上进行空间co-location主导特征模式挖掘研究。主要工作如下:一、在团实例模型上,考虑距离因素对特征主导强度的影响。首先,提出模式主导度,用以度量模式中某个特征主导其它特征的可能倾向;然后,提出主导影响度,用以度量模式中某个特征主导其它特征的影响强度;最后,基于这两个新度量,提出co-location模式的主导特征挖掘算法DFMASD。由于提出的相关度量不满足向下闭合性,算法采取了从低阶到高阶的计算、生成过程。为了优化算法的运行效率,提出了与模式主导度相关的引理1和与主导影响度相关的引理2,进行算法效率的提升。基于提出的DFMASD算法,设计了关于距离阈值、参与度阈值、模式主导度阈值、主导影响度阈值的对比实验,验证了所提算法能够有效地挖掘出用户所需要的主导特征模式。二、在星型模型上,考虑到主导强度等相关概念是一个模糊概念,结合模糊集合论的相关理论,研究在星型模型上进行模糊主导特征及模糊主导特征模式挖掘。星型模型相比于团实例模型,能够挖掘出特征之间非团的主导关系,使得挖掘出的主导特征模式更加易于用户的理解和使用。首先,提出模糊星型参与度和模糊影响度的概念;然后,证明模糊星型频繁模式满足向下闭合性,并利用该性质减小候选模式搜索空间。最后,提出FDFMA挖掘算法。在三个不同规模合成数据集上研究距离阈值、模糊星型参与度阈值、星型主导损失度阈值以及模糊影响度阈值对算法效率的影响;在真实数据集上验证了FDFMA算法相比于对比算法能挖掘出更合理主导性的特征。

关键词：空间数据挖掘空间co-location模式亚频繁co-location模式主导特征模式

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：