一种面向多属性不确定数据流的模体发现算法
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。
数据挖掘、模体发现、不确定数据流、MEME(Multiple Expectation-maximization for Motif Elicitation)算法
39
TP391(计算技术、计算机技术)
国家自然科学基金61272011 Foundation Item:The National Natural Science Foundation of China 61272011
2017-03-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
159-166