论文部分内容阅读
并置模式挖掘(Co-location Pattern Mining,以下简称CPM)是基于空间数据集进行数据挖掘的研究。CPM目的是搜索位于空间邻域内频繁关联在一起的对象。在生物学、环境科学、流行病学等领域,挖掘这些模式是非常重要的。然而,由于空间数据集中隐藏了实例之间的关联关系,CPM在计算上具有很大的挑战性。模糊的对象在我们的日常生活中随处可见,比如“青年人”与“中年人”之间就存在模糊性,在这中间经历了一个过渡过程。正是由于模糊对象及其关系之间没有明确的边界,这一独特的性质激起了许多国内外学者研究的兴趣。纵观国内外研究现状,主要存在以下两个弊端。其一,在传统的空间co-location模式(以下简称空间并置模式)挖掘领域,把频繁性作为唯一的度量方式,这忽略了不同特征的重要性。其二,以往的研究局限于模糊属性和模糊度阈值范围,而不考虑这些空间特征本身的模糊性以及效用性。这将导致大量低频繁度但有价值的模式没有被发现,同时挖掘出大量用户不需要的高频繁度模式。因此,为了解决以上两种弊端,我们将模糊集合论的思想引入到空间高效用并置模式挖掘之中,并利用模糊集的表示方法来描述空间并置模式以及模糊特征,挖掘一类具有较高实用价值的空间并置模式。一方面,在一定范围的应用中,能挖掘到信息价值性更强的模式;另一方面,由于领域驱动,可以在挖掘过程中减少不必要的数据,快速提升挖掘的效率。具体来说,本文的研究工作如下:第一,给出模糊特征的外效用和内效用的基本概念,在这两个概念的基础上,进一步引入了模式的模糊效用和模糊效用率等相关概念。本文设计了模式的模糊效用率阈值来衡量挖掘出的空间并置模式,同时提出基于模糊特征的空间高效用并置模式的基本算法框架(FHUCB)。第二,通过构造了星型行实例加权效用向下闭合的属性,设计了基于模糊特征的空间高效用并置模式的优化算法(FHUCO),由于在挖掘阶段节省了大量的时间而总体运行时间最短。第三,在真实数据集和合成数据集上,分别从挖掘效果和挖掘效率两个方面对本文所提出的算法进行了对比和剖析。实验结果表明,在参数的各种变化下,所提出的方法在运行时间上拥有优异的效果。第四,本文还对FHUCB算法和经典空间并置模式挖掘算法在参与度指数PI和效用比指数UI上进行了比较与分析,表明了本研究的重要性。