一种面向多属性不确定数据流的模体发现算法

摘要：

该文针对多属性不确定数据流的频繁模式发现问题，借鉴生物信息学中的模体发现思想，提出了一种基于MEME(Multiple Expectation-maximization for Motif Elicitation)的多属性不确定数据流模体发现算法。该算法根据不确定数据流的特点，设计了基于混合型模型的不确定滑动窗口更新计算方法，改进了SAX(Symbolic Aggregate approXimation)的符号化策略，提出了不同滑动窗口下多属性模体的相似性分析方法。在实验当中，用防空反导情报传感器网络中的一组不确定数据流验证了其功能，通过植入不同数目的模体测试了其发现准确率，并在元组有效概率设置为1的条件下与已有算法进行了比较，结果表明：该算法可以较准确地发现多属性不确定数据流中的频繁模式。

关键词：数据挖掘、模体发现、不确定数据流、MEME(Multiple Expectation-maximization for Motif Elicitation)算法

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61272011 Foundation Item:The National Natural Science Foundation of China 61272011

在线出版日期：2017-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：159-166