.png){kind=icon}
返回
HUPSP-LAL: Efficiently mining utility-driven sequential patterns in uncertain sequences
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.126536.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据挖掘包含多个子领域，其中重要的分支之一是高效用项集挖掘。在该领域中，探索高效用序列模式是一个新兴的研究领域，其目的是在数据库中识别高效用序列模式（HUSPs）。在实际应用中，高效用序列模式挖掘在许多领域都有应用，包括DNA序列分析和网络入侵检测等。然而，大多数HUSPM假设数据库中的数据是准确的，这与现实世界中的实际情况不符。不可避免地，由于数据收集过程涉及不同精度的传感器，数据不确定性由此产生。尽管针对不确定序列的高效用概率序列模式挖掘（HUPSPM）方法已被提出，但它们在处理低效用/概率阈值或大规模数据集时性能不佳。因此，我们提出了一种高效的高效用概率序列模式挖掘算法，称为HUPSP-LAL。我们提出了一种新的概率计算框架，以数学方式表示收集到的非确定性数据。我们设计了紧凑的结构PUL - IA - EL，HUPSP-LAL利用该结构进行投影，以加速候选模式的效用、概率及上界的计算。本文介绍了两种基于概率的剪枝策略，并辅以两种基于效用的剪枝策略，所有策略均旨在减少搜索空间。来自真实数据集的实验结果表明，HUPSP-LAL在模式数量、运行时间、候选模式数量和内存消耗方面显著优于领先算法。
Keyword:
Data mining
Uncertain data
High utility sequential pattern
Database projection
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
暂无机构信息
引用论文
A Novel Approach for Mining High-Utility Sequential Patterns in Sequence Databases.png)
ETRI Journal
ETRI JournalIF0
PREAI
分享收藏
分享收藏Sequential patterns mining and gene sequence visualization to discover novelty from microarray data
OAAI
OAAI分享收藏分享收藏
查看更多内容