查詢結果分析
相關文獻
- Mining Closed Multi-Dimensional Interval Patterns
- A Graph-Based Approach to Discovering Multiple-Level Association Rules from Large Databases
- 線上教材瀏覽模式之分析工具--資料探勘模式在網路學習課程之發展與應用實例
- 利用資料探勘語言挖掘感興趣的資訊
- 探勘中文新聞文件
- An Incremental Updating Technique for Discovering Sequential Patterns in Large Databases
- 一對一個人化服務機制
- 高效能多媒體文件分類法則之研究
- 利用決策樹分類法建置資料倉儲中檢核與整合大量企業資料之機制
- 挖掘企業資料的寶藏--淺談資料探勘技術
頁籤選單縮合
題名 | Mining Closed Multi-Dimensional Interval Patterns=探勘封閉性多維度區間樣式 |
---|---|
作者 | 李瑞庭; 楊富丞; 李偉誠; Lee, Anthony J. T.; Yang, Fu-chen; Lee, Wei-cheng; |
期刊 | 資訊管理學報 |
出版日期 | 20120100 |
卷期 | 19:1 2012.01[民101.01] |
頁次 | 頁161-184 |
分類號 | 028 |
語文 | eng |
關鍵詞 | 多維區間樣式; 一維區間樣式; 頻繁樣式; 封閉性樣式; 資料探勘; Multi-dimension interval pattern; 1-dimension interval pattern; Frequent pattern; Closed pattern; Data mining; |
中文摘要 | 目前,已有許多學者提出探勘頻繁一維區間樣式的方法。但是,在實務上有 許多應用包括多維度區間的資料。因此,在本篇論文中,我們提出「MIAMI」演 算法,它利用頻繁樣式樹,以深度優先法遞迴產生所有的封閉性多維度區間樣式。 在探勘的過程中,我們設計三個有效的修剪策略,以刪除不可能的候選樣式,以 及使用封閉性測試移除非封閉性樣式。實驗結果顯示,MIAMI 演算法比改良式 Apriori 演算法更有效率,也更具擴充性。 |
英文摘要 | Many methods have been proposed to find frequent one-dimensional (1-D) interval patterns, where each event in the database is realized by a 1-D interval. However, the events in many applications are in nature realized by multi-dimensional intervals. Therefore, in this paper, we propose an efficient algorithm, called MIAMI, to mine closed multi-dimensional interval patterns from a database. The MIAMI algorithm employs a pattern tree to enumerate all closed patterns in a depth-first search manner. In the mining process, we devisethree effective pruning strategies to remove impossible candidates and perform a closure checking scheme to eliminate non-closed patterns. The experimental results show that the MIAMI algorithm is more efficient and scalable than the modified Apriori algorithm. |
本系統之摘要資訊系依該期刊論文摘要之資訊為主。