首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
方圆, 王丽珍, 周丽华.含关键特征的显著Co-location模式挖掘研究[J].数据采集与处理,2018,33(4):692-703
含关键特征的显著Co-location模式挖掘研究
Mining Spatial Co-location Patterns with Key Features
投稿时间:2016-09-13  修订日期:2016-11-04
DOI:10.16337/j.1004-9037.2018.04.013
中文关键词:  空间数据挖掘  空间并置(Co-location)模式  关键特征  模式显著性
英文关键词:spatial data mining  spatial co-location pattern  key feature  pattern significance
基金项目:国家自然科学基金(61472346;61662086)资助项目;云南省科学基金(2016FA026;2015FB149;2015FB114)资助项目。
作者单位
方圆, 王丽珍, 周丽华 云南大学信息学院, 昆明, 650091 
摘要点击次数: 442
全文下载次数: 813
中文摘要:
      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。
英文摘要:
      The co-location pattern mining discovers the subsets of spatial features which are located together frequently in geography. Instance independence has been taken as a major assumption in the co-location mining based on prevalence framework. However, in real-world spatial data sources, spatial instances are more or less correlated with each other. Prevalence-based framework can do limited work in spatial instance correlated analysis. For reducing the co-location mining results and promoting the usability of co-location patterns, this paper proposed a new framework to identify the co-location patterns with key features and extract the key features from a large collection of prevalent co-location patterns. We first give the definitions of significant co-location patterns; secondly, we design a series of metrics to evaluate significance of co-location patterns and extract the key features; thirdly, an efficient algorithm is proposed to mine the significant co-location pattern with key features. The experiments evaluate the method both on real data sets and synthetic data sets. The results show that our method can effectively identify the significant co-location patterns with key features.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2196084位访问者 本站今日一共被访问693

技术支持:北京勤云科技发展有限公司