.png){kind=icon}
返回
GRIMP: A Genetic Algorithm for Compression-Based Descriptive Pattern Mining
.png){kind=icon}
PRE
AI
DOI：10.1111/exsy.70033.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
传统频繁模式挖掘算法在大型数据集中往往会报告数量庞大的模式，其中许多是冗余的。为解决此问题，已采用基于最小描述长度（MDL）的方法，这些方法利用数据压缩来捕获更小但更重要的模式集合。然而，根据MDL寻找一组优质模式涉及非常大的搜索空间，且当前的MDL-based技术通常存在运行时间过长且找到次优解的问题。为在更短时间内发现更优的模式集合，本文介绍了GRIMP（基于压缩描述模式的遗传算法），这是一种将遗传算法与MDL-based模式选择相结合的新型框架。在GRIMP框架内探索了多种遗传算法变体，并使用大量数据集比较了它们的有效性。实验结果表明，GRIMP通过实现更高的压缩率、生成更具代表性的项集以及减少所需时间，始终优于先前的方法。此外，提取的模式提升了下游分类任务的效果，突显了GRIMP在数据中发现更具代表性模式的能力。
Keyword:
genetic algorithm
minimum description length
pattern mining data compression
期刊
IF:
2.3
论文数:
2.6K
被引数:
3.8K
机构
引用论文
Mint: MDL-based approach for Mining INTeresting Numerical Pattern SetsMint: 基于MDL的方法，用于挖掘有趣的数值模式集
OAAI
.png){kind=icon}
OAAI分享收藏
查看更多内容