公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

基于模糊邻近关系挖掘含主导特征的空间并置模式被引量：2: 2021年; 空间并置(co-location)模式挖掘旨在发现空间中频繁在一起出现的空间特征的子集。空间并置模式中有一类模式其特征的地位是不平等,发现含主导特征的并置模式可以为实际应用提供更为精准的决策支持。由于单一的邻近距离阈值判定两个空间实例间的邻近性会导致邻近关系的缺失,因此,本文首先定义空间实例间的模糊邻近关系,然后定义模式中特征的模糊影响度和模糊影响比识别含主导特征的并置模式;其次,提出基于模糊邻近关系的含主导特征的并置模式挖掘算法及算法优化策略;最后,在合成数据集和真实数据集上验证了算法的正确性和有效性,并在真实数据集上对挖掘结果的实用性进行了比较和分析。; 冯时王丽珍方圆; 关键词：空间数据挖掘

基于特征效用参与率的空间高效用co-location模式挖掘方法被引量：13: 2019年; 空间co-location模式是指其实例在空间邻域内频繁一起出现的空间特征子集.与传统的空间co-location模式挖掘不同,在空间高效用co-location模式挖掘中,不再将参与度(PI)作为有趣模式的度量指标,而是将效用值作为挖掘有趣模式的兴趣度量指标.现有的空间高效用co-location模式挖掘方法分为特征带效用和实例带效用两类.特征带效用的现有方法没有考虑不同特征效用之间的差异,挖掘的结果往往包含了许多不尽合理的"高效用"模式;而实例带效用的现有方法,则考虑了不同特征对模式效用的影响,但没有客观地度量这种影响.该文提出了一种确定特征在模式中的效用权重ω(fi,c)的方法,定义了更为合理的空间高效用co-location模式概念,设计了一个有效的挖掘算法.大量的实验表明提出的高效用co-location模式度量方法和相应的挖掘算法能够处理特征效用差异性和特征间的相互影响问题,能更有效地挖掘到空间高效用co-location模式.; 王晓璇王丽珍陈红梅方圆杨培忠; 关键词：空间数据挖掘数据挖掘

OSCRM:一个基于本体的空间Co-Location规则挖掘框架被引量：4: 2015年; 空间co-location挖掘是空间数据挖掘的一个重要方向.但现有的挖掘算法很少甚至不考虑挖掘领域的背景或约束知识,挖掘到的大量co-location规则给决策者带来了极大的困扰.因此,提出一种基于本体的交互式空间co-location规则挖掘框架OSCRM(ontology-based spatial co-location rule mining).首先,OSCRM提供了基于本体的用户领域知识表达机制;然后,OSCRM提供了本体之上的强大的公式系统,使用户可以方便地表达指导挖掘方向的领域背景或约束知识;接着,OSCRM提供了2个经典的空间co-location挖掘算法,算法实现中充分利用了用户提供的公式集进行过滤处理;最后,OSCRM还提供了一种交互式的后处理机制(二次挖掘机制),进一步地减少最终规则的数量.使用实际数据的实验表明OSCRM不仅是一个方便、实用的领域驱动空间co-location挖掘框架,更为重要的是规则过滤效率达到了99.9%.; 包旭光王丽珍方圆; 关键词：本体后处理

领域驱动的高效用co-location模式挖掘方法被引量：7: 2017年; 空间并置(co-location)模式是指其实例在空间邻域内频繁共现的空间特征集的子集。现有的空间colocation模式挖掘的有趣性度量指标,没有充分地考虑特征之间以及同一特征的不同实例之间的差异;另外,传统的基于数据驱动的空间co-location模式挖掘方法的结果常常包含大量无用或是用户不感兴趣的知识。针对上述问题,提出一种更为一般的研究对象——带效用值的空间实例,并定义了新的效用参与度(UPI)作为高效用co-location模式的有趣性度量指标;将领域知识形式化为三种语义规则并应用于挖掘过程中,提出一种领域驱动的多次迭代挖掘框架;最后通过大量实验对比分析不同有趣性度量指标下的挖掘结果在效用占比和频繁性两方面的差异,以及引入基于领域知识的语义规则前后挖掘结果的变化情况。实验结果表明所提出的UPI度量是一种兼顾频繁和效用的更为合理的度量指标;同时,领域驱动的挖掘方法能有效地挖掘到用户真正感兴趣的模式。; 江万国王丽珍方圆陈红梅; 关键词：CO-LOCATION模式语义规则

含关键特征的显著Co-location模式挖掘研究被引量：4: 2018年; 空间Co-location模式是一组在空间中频繁并置的空间特征的子集。空间Co-location模式挖掘通常假设空间实例之间相互独立,然而,在实际应用中,不同空间特征、不同实例之间往往相互作用或依赖。空间Co-location关键特征是指对模式具有主导作用的特征。在频繁模式中,识别含关键特征的Co-location模式并摘取模式中的关键特征,为用户提供更精简的挖掘结果,提高Co-location模式的可用性,对Co-location模式挖掘具有重要意义。本文首先定义了含有关键特征的显著频繁Co-location模式新概念,以及一系列度量指标以识别显著频繁Co-location模式中的关键特征;其次,给出了一个挖掘显著频繁Co-location模式和关键特征的算法;最后,在模拟和真实数据集上进行了大量的实验,验证了所提出算法的效果及性能。; 方圆王丽珍周丽华; 关键词：空间数据挖掘

全选清除导出

共1页<1>

方圆