-
题名一种频繁子图挖掘算法
被引量：7
- 1
-
-
作者
唐德权
谭阳
-
机构
湖南警察学院信息技术系
湖南广播电视大学信息技术系
-
出处
《计算机工程》
CAS
CSCD
2012年第7期31-33,共3页
-
基金
湖南省教育厅科研基金资助项目(10C0134)
湖南省教育厅基金资助重点项目(10A074)
湖南省自然科学基金资助项目(06JJ50107)
-
文摘
为减少频繁子图规范化检测的时间复杂度,对规范化邻接矩阵的相关性质进行分析。给出相关定理并证明其正确性,从而减少冗余候选子图的产生。在此基础上,提出一种频繁子图挖掘算法——FSM_CAM。实验结果证明,与现有频繁子图挖掘算法FSubGraphM相比,FSM_CAM算法的效率较高。
-
关键词
频繁子图
规范邻接矩阵
候选子图
数据挖掘
-
Keywords
frequent subgraph
Canonical Adjacency Matrix（CAM）
candidate subgraph
data mining
-
分类号
TP311.2
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于子图模式的反恐情报关联图集分析
被引量：3
- 2
-
-
作者
李勇男
-
机构
中国人民公安大学侦查与反恐怖学院
-
出处
《现代情报》
CSSCI
2019年第7期37-43,共7页
-
基金
教育部人文社会科学研究青年基金项目“基于数据挖掘的涉恐情报量化分析方法研究”(项目编号:17YJCZH098)
中国人民公安大学基本科研业务费项目“基于频繁子图挖掘的反恐情报关联图集分析方法研究”(项目编号:2019JKF331)
-
文摘
[目的/意义]利用子图模式对暴恐案件中的人员关联进行分析可以发现涉恐人员关联图中的规律,为反恐情报分析提供有效参考。[方法/过程]首先对涉恐基础数据进行预处理,保证图中各顶点的唯一性。通过计数统计出所有的频繁1-子图和频繁2-子图,然后不断迭代生成其他候选子图并筛选频繁子图,直到达到终止条件为止。[结果/结论]该方法根据反恐情报的特点进行了优化,避免了普通频繁子图挖掘中的大量图同构检测,挖掘出的频繁子图可以反映不同类别涉恐人员之间的联系规律和联系特点,发现暴恐案件线索,有效预测和打击恐怖活动。
-
关键词
子图模式
反恐情报
数据挖掘
候选子图
图同构
-
Keywords
subgraph pattern
counter terrorism intelligence
data mining
candidate subgraph
graph isomorphism
-
分类号
G359
[文化科学—情报学]
D631
[政治法律—政治学]
-
-
题名基于路径的频繁子图挖掘算法研究
被引量：3
- 3
-
-
作者
唐德权
张波云
-
机构
湖南警察学院信息技术系
-
出处
《计算机工程与科学》
CSCD
北大核心
2019年第12期2223-2230,共8页
-
基金
国家自然科学基金（61471169）
2017湖南省科技计划重点研发项目（2017NK2402）
2017年湖南省科技重大专项（2017SK1040）
-
文摘
图挖掘是数据挖掘的一个重要研究方向,而图挖掘主要集中在图数据集内频繁子图的挖掘。频繁子图挖掘技术的关键是建立有效机制减少冗余候选子图,以便高效计算和处理所需的频繁子图。提出了一种基于路径的频繁子图挖掘算法,该算法首先找出所有频繁边从而挖掘出频繁单路径,然后通过组合、双射和操作扩展出较多的频繁路径,再通过连接操作产生所有频繁子图候选集。通过定理证明了该算法的正确性和完整性,从理论上分析了该算法时间复杂度低于现有的算法,最后进行了2个图数据集实验,在候选集产生的数量和时间性能2方面验证了算法的优越性。
-
关键词
图挖掘
频繁子图
候选子图
频繁路径
时间性能
-
Keywords
graph mining
frequent subgraph
candidate subgraph
frequent paths
time performance
-
分类号
TP311.2
[自动化与计算机技术—计算机软件与理论]
-
-
题名智能电网中基于极大团的社团结构挖掘算法
被引量：1
- 4
-
-
作者
粘洪睿
章静
许力
林力伟
-
机构
福建工程学院计算机科学与数学学院
福建省大数据挖掘和应用技术重点实验室(福建工程学院)
福建省网络安全与密码技术重点实验室(福建师范大学)
-
出处
《计算机应用》
CSCD
北大核心
2021年第S02期124-130,共7页
-
基金
国家自然科学基金资助项目(619020690)。
-
文摘
针对智能电网落后的分区方式无法适应日益复杂的运行状态和无法及时排查故障的问题,提出了一种基于极大团的智能电网社团结构挖掘算法(MCBCA)。首先,搜索网络中的低阶极大团,通过合并矩阵将其合并得到网络中极大团;然后,定义了极大团相似度,确定了合并极大团与生成候选子图的标准,进行初步社团挖掘;最后,对网络中的孤立节点进行隶属度划分,形成最终的社团结构。实验结果表明,在空手道俱乐部网络、美国足球网络、美国国家西部网络及我国省级电力通信骨干网络数据集中,所提算法与KL算法相比,在准确率、模块度及网络抗毁性方面平均提高了50.1%、36.8%和36.2%;与标签传播算法(LPA)相比,在准确率、模块度及网络抗毁性方面平均提高了31.2%,17.7%和3.25%;与改进的GN算法相比,准确率和模块度方面平均提高了3.6%和2.1%。可见基于极大团的智能电网社团挖掘算法所挖掘的网络社团结构更为合理,具备更高的安全性,有利于及时排查故障.
-
关键词
智能电网
社团结构挖掘
极大团
相似度
候选子图
-
Keywords
smart grid
community structure mining
maximal clique
similarity
candidate subgraph
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
