序列模式挖掘(Sequentialpatternmining,SPM)是指从 序列数据库中寻找频繁子序列作为模式的知识发现过程,它 是数据挖掘的一个重要研究课题,在很多领域都有实际的应 用价值,如客户购买行为模式的分析、Web访问模式的预测、 疾病诊断、自然灾害预测、DNA序列分析等。通过对这些领 ...
摘要: 序列模式在许多领域都有着重要的应用,大量的数据和模式需要高效的,可扩展的并行算法.针对目前序列模式挖掘算法存在的普遍问题,提出了一个适合无共享并行环境下的算法PMSP,有效地解决了存储受限以及时效性问题,并将它与当前相对较优的并行算法HPSPM做了比较,实验表明PMSP是有效的.关键词:...
针对现有Web访问序列模式挖掘算法和PrefixSpan算法存在的问题,提出一种基于投影位置的Web访问序列模式挖掘算法(PWSPM).该算法通过序列模式分析,发现用户的行为模式,预测用户对网页的访问模式,进而改进站点的性能和组织结构,提高用户查找信息的质量和效率,以及对用户开展个性化的信息服务.实验和应用结果表明,提出的算法具有更...
相比前面两个并行策略,HPSPM的性能最好。 Guralnik等人提出了一类基于树投影技术的并行序列模式算法[26],[27]。根据并行策略,算法可被分为两种。一种是数据并行模式DPF:原始数据库被划分成p个大小相等的块存于p个处理器上,每个处理器拥有一个相同的字典树,各处理器计算本地支持度然后通过通 信和归约操作得到各...
针对PrefixSpan算法构造投影数据库开销大的问题,提出一种基于改进PrefixSpan的序列模式挖掘算法SPMIP.该方法通过添加剪枝步和减少某些特定序列模式生成过程的扫描,采减少投影数据库的规模及扫描投影数据库的时间,提高算法效率,并最终得到需要的序列模式.实验结果证明在获得序列模式不受影响情况下,SPMIP算法比PrefixSpan算法效...
周期高效用序列模式挖掘(PHUSPM)因其能够发现时间序列中更具实际价值的规律性模式而备受关注,但现有的PHUSPM算法难以有效地处理数据集的增量更新,且未考虑大规模数据下算法的向下闭包性和复杂性.针对该问题,提出了IncPUS-Miner算法,有效地实现了周期高效用序列模式(PHUSPs)的增量挖掘.IncPUS-Miner引入了一种名为pu-...
主要研究内容包括: (1)提出了改进的可变支持度序列模式挖掘算法(Variable Support SequentialPattern Mining,VS_SPM)。本文简要论述了现有的序列模式挖掘算法,针对其在... 魏旭阳 - 西南大学 被引量: 0发表: 0年 基于序列模式挖掘的图书馆用户借阅行为分析 文章针对图书馆用户借阅事务中存在的序列特征,提出一种基于...
再次,为了分析软件执行过程中故障的传播过程,提出了高效用极大序列模式挖掘算法MHuspm。该算法将软件执行序列数据构造成一个HUSP-Tree树结构,基于HUSP-Tree结构挖掘... 齐聪雅 - 燕山大学 被引量: 0发表: 2019年 適用於HEVC快速編碼器之TU提早決策演算法 (coding quad...
为了克服序列模式挖掘过程中重复运行挖掘算法而产生的时空消耗,提出了一个快速、简单而有效序列模式的交互式算法FISPM,利用前次挖掘得到的序列构造序列模式数据库用来存储挖掘出来的所有序列, 通过缩减本次挖掘所要构造投影数据库的频繁项的数量来减少构造投影数据库所需的时间以及投影数据库的大小,从而减少时间和空间消耗...
周期高效用序列模式挖掘(PHUSPM)因其能够发现时间序列中更具实际价值的规律性模式而备受关注,但现有的PHUSPM算法难以有效地处理数据集的增量更新,且未考虑大规模数据... 荀亚玲,任姿芊,闫海博 - 《计算机应用研究》 被引量: 0发表: 2024年 NPSP:一種高效的序列...