【读书笔记-数据挖掘概念与技术】高级模式挖掘
模式挖掘是一个比频繁挖掘模式更一般的术语,因为前者还涵盖了稀有模式和负模式。然而,在没有歧义时,两者可以互换地使用。 模式挖掘路线图分类
多层、多维空间中的模式挖掘
基于约束的频繁模式挖掘
模式剪枝约束分为五类: 反单调的:如果一个项集不满足规则约束,则它的任何超集不可能满足该约束 单调的:如果一个项集满足这个规则约束,则它的所有超集也满足。 简洁的:可以枚举并且仅枚举可以确保该约束的所有集合,该类约束不必迭代检验 可转变的:不属于以上三类,但该约束在项集一特定次序排列时可能成为单调的或反单调的。 不可转变的:大部分都属于以上四类。 挖掘高维数据和巨型模式
模式融合
基本思想:融合少量较短的频繁模式,形成巨型模式候选。首先,他以有限的宽度遍历树,只使用有限大小的候选池中的模式作为模式树向下搜索的开始结点,避免了指数搜索空间问题。它产生巨型模式的近似解,可以找出大部分巨型模式。 步骤:1. 池初始化:一个短长度(长度不超过3)频繁模式的完全集。 ? ? ? ? ? ???2. 迭代的模式融合:从当前池中随机选取k个种子,对每个种子找出直径为T的球内所有模式,将这些球融合成超模式集。由于每个超模式的支集随迭代而收缩,因此迭代过程终止。 模式融合合并打魔石的小的子模式,而不是用单个项增量地扩展模式。
核模式
挖掘压缩或近似模式基于聚类的压缩:采用一个好的相似性度量,把相似的对象聚合到一个簇中,代表模式从每个簇中选取,从而提供频繁模式集的一个压缩版本。 模式距离:闭模式之间的距离度量。包含模式的支持度信息。 感知冗余的top-k模式:具有低冗余的k个代表模式的小集合。一种减少挖掘返回的模式数量的策略。
闭模式:频繁模式集的无损压缩
极大模式:有损压缩
模式挖掘的应用 1). 作为预处理,用于噪声过滤盒数据清理 3). 基于模式的分类 4). 高维空间中子空间的有效聚类 5). 对时间空间、序列、图像、视频数据进行分析 6). 序列与结构数据的分析,如图、树、子序列和网络分析 7). 作为基本的索引结构 8). 推荐系统 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |