-
题名基于概率统计的多维关联数据动态挖掘仿真
被引量：1
- 1
-
-
作者
张平
关丽红
-
机构
长春大学理学院
-
出处
《计算机仿真》
北大核心
2022年第3期402-406,共5页
-
基金
国家自然科学基金青年基金项目(11801041)。
-
文摘
为有效挖掘所需的多维关联数据,及时获取多维关联数据中的可用信息,结合概率统计理念,构建出多维关联数据动态挖掘方法。基于核密度估计的非参数概率密度预估形式,结合实际的数据分布先验知识,设计半参数化概率密度预估模型。根据制定的参数设置原则,合理设置模型参数,利用改进的遗传优化算法,提取出多维关联数据间关联规则。将滑动窗口设定成动态采集窗口,利用界定规则动态采集数据,令连续两个窗口部分重合,反复求解叠加区域的边界数据,实现数据动态处理,依据时间门限值,采用K标号方法动态控制、挖掘目标数据。仿真阶段,以道路交通事故数据为挖掘目标,提取关联规则,经对比不同情况、不同时段的事故数量,验证出上述方法挖掘结果数据关联性高,能够为相关领域提供有效的参考依据。
-
关键词
概率统计
多维关联数据
动态挖掘
关联规则
核密度估计
支持度
-
Keywords
Probability statistics
Multi-dimensional associated data
Dynamic mining
Association rules
Kernel density estimation
Support
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名混合属性网络多维多层关联数据智能挖掘算法
- 2
-
-
作者
段雪莹
-
机构
吉林警察学院信息工程系
-
出处
《智能计算机与应用》
2024年第3期207-211,共5页
-
基金
吉林警察学院院级科研项目(jykyzd202404)。
-
文摘
针对传统关联数据挖掘算法,强项集挖掘后产生大量候选项集,导致挖掘耗时长、挖掘精度低等问题,提出一种混合属性网络多维多层关联数据智能挖掘算法(Multidimensional Multilayer Associative Data Intelligent Mining Algorithm,MMAD-IM)。计算混合属性网络中随机数据到簇中心的距离,将目标数据分配到距离簇中心最近的簇中,使簇中心固定,完成混合属性网络数据的聚类分析。从聚类完成的数据中提取出有效的基本频繁向量,同时计算数据的候选项集,对哈希表进行扫描,利用改进Apriori算法完成强项集挖掘。以此为基础构建空间关系,获取近似区域与近似点之间的距离,形成待挖掘数据并计算数据的隶属度数值,完成智能挖掘。实验结果表明,所提算法具有较好的数据聚类效果,强项集挖掘后剩余的候选项集数量较少,整体数据挖掘耗时远低于传统算法,挖掘精度高达90%。
-
关键词
多维多层关联数据
聚类
基本频繁向量
强项集
挖掘
-
Keywords
multi-dimensional multi-layer association data
clustering
basic frequent vector
strong itemsets
mining
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
