.png){kind=icon}
返回
Mint: MDL-based approach for Mining INTeresting Numerical Pattern Sets
.png){kind=icon}
OA
AI
DOI：10.1007/s10618-021-00799-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
摘要模式挖掘在数据挖掘研究中已得到广泛应用，特别是在挖掘二元数据集方面。令人惊讶的是，关于数值模式挖掘的研究工作要少得多，这一研究领域仍处于探索阶段。本文提出Mint，一种基于MDL（最小描述长度）原则的高效算法，用于挖掘数值数据集。MDL原则是一个强大且可靠的框架，广泛应用于模式挖掘和子组发现中。在Mint中，我们利用MDL发现有用模式，并返回一组非冗余的重叠模式，这些模式具有明确定义的边界，并能覆盖有意义的对象组。Mint并非基于MDL的数值模式挖掘器的唯一代表。本文中的实验表明，Mint在与其他竞争算法的比较中表现更优，这些竞争算法包括IPD、RealKrimp和Slim。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息