模糊特征的top-k平均效用co-location模式挖掘

摘要：

空间并置(co-location)模式是指在空间邻域内空间特征的实例频繁地出现在一起所形成的非空特征子集.人们已经对确定数据和不确定数据的top-k空间co-location模式挖掘进行了相关研究,但是针对模糊特征的top-k平均效用co-location模式挖掘的研究还没有.提出模糊特征的top-k平均效用co-location模式挖掘.首先,定义了模糊特征的top-k平均效用co-location模式的相关概念,分析了模式的扩展模糊平均效用具有的"向下闭合"性质.其次,设计了一种基于扩展模糊平均效用值挖掘top-k平均效用co-location模式的算法,解决模糊平均效用不满足"向下闭合"性质的问题.在此基础上,又提出了一种基于局部扩展模糊平均效用的剪枝方法,有效地减小了top-k平均效用co-location模式挖掘的搜索空间,进一步提高了挖掘算法的效率.最后,在真实和合成数据集上验证了所提出算法的实用性、高效性和鲁棒性.

关键词：空间co-location模式、高平均效用、模糊特征、top-k

所属期刊栏目：16

分类号：TP391;TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;云南省创新团队建设项目

在线出版日期：2022-05-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1053-1063