显露模式相关论文
分类是数据挖掘中的一项非常重要的任务，几十年来一直是统计学、机器学习、神经网络和专家系统等领域内的一个重要研究课题。目前在......
数据挖掘又称数据库中知识发现，是从大量数据中用非平凡的方法发现有用的知识。分类是数据挖掘中的一项非常重要的任务，在商业、金融......
显露模式(Emerging Patterns，EPs)是指那些从一个数据集到另一个数据集支持度发生显著变化的项集，它们能够捕获数据库中两个数据集之......
数据挖掘是从海量的数据中挖掘有潜在价值的信息的技术。分类是数据挖掘中一项非常重要的任务,在政府组织、科学研究、商业等诸多......
随着信息技术的快速发展和信息搜集能力的日益提高，近些年产生了一种新型的具有快速、海量、变化等特性的数据，即“数据流”。这些数......
数据挖掘又称数据库中知识发现，是从大量数据中用非平凡的方法发现有用的知识。分类是数据挖掘中的一项非常重要的任务，在商业、金融......
为了能够有效地组织和分析海量的Web信息资源，帮助用户迅速地获取所需要的知识和信息，人们希望能够按照内容实现对网页的自动分类。W......
在信用卡欺诈监测、差异性营销、网络入侵检测和传感器网络等应用中，随着时间的更迭而生成一种新型的具有连续、有序、变化、快速到......
数据挖掘又称数据库中知识发现，是从大量数据中用非平凡的方法发现有用的知识。分类是数据挖掘中的一项非常重要的任务，在商业、金融......
分类是数据挖掘中一个很重要的研究课题，在神经网络、统计学以及机器学习等领域得到了广泛的研究，但是大部分分类算法适用于小型数据......
在城市数字化,智能化的浪潮中,城市数据是城市智能化的基石,如何高效处理分析城市数据成为研究热点,所以本文就针对如何挖掘城市数......
城市计算中可以利用显露模式分析方法挖掘数据中的显露模式,但城市数据往往是多源异构数据,难于集成在一张表中分析。论文设计了一......
现有基于显露模式的分类方法主要通过精简显露模式的数量以构建实用的轻量级分类器,然而对显露模式集的过度精简会损害数据信息的......
传统的基于规则的分类算法多是采用顺序覆盖技术训练分类规则，这使得训练得到的模型覆盖大量的非目标类实例，分类时效果差．基于规则的......
分类是数据挖掘中的重要任务之一,稀有类分类问题是分类中的一个重要分支,可以描述为从一个分布极不平衡的数据集中标识出那些具有......
提出了一种新的稀有类分类方法,称作VeEPRC。该方法使用一种特殊的EP(基本显露模式,eEP)构造基于eEP的分类器,并对它们“装袋”,建......
显露模式(EP)是支持度从一个数据集到另一个数据集显著提高的项集. EP具有很强的区分能力,可以建立很好的分类器.提出了一种通过Bo......
近年来,数据流挖掘已成为知识发现领域中的一个研究热点.数据流中数据的无限性和概念漂移等特征使得传统的分类算法不能很好地适用......
对比挖掘是近年来数据挖掘领域的新热点之一。对比挖掘关注并描述不同类别和条件下，或随时间变化的知识，旨在设计能够发现刻画数据集......
提高分类器覆盖率是显露模式分类中的重要内容。通过降低支持度的方法来提升覆盖率,将会大大增加算法时间开销。在CAEP分类模型基......
对比模式挖掘是数据挖掘的一个重要和集中的子领域,主要涉及数据集的模式挖掘和对比处理。它的目的是寻找有趣的对比模式,描述满足......
显露模式（EP）是支持度从一个数据集到另一个数据集发生显著变化的项集。EP具有很强的区分能力，可以建立很好的分类器。文中采用基于EP......
癌症是复杂的遗传性疾病，具有巨大的危害性及多发性，成为影响人类健康的重大疾病，其发病机制从根本上来说都和基因息息相关。基因微阵......
作为一种通用的数据结构,图可以用来表示数据对象之间的各种复杂关系。例如:图可以表示化合物的分子结构,蛋白质交互网络,社会网络......
随着网络的日益普及,社交网、购物网、即时聊天软件也随之蓬勃发展,但由于患者对互联网依赖而导致明显的心理异常并造成生理性受损......
[目的/意义]利用显露模式挖掘对不同类别的涉恐情报数据集进行分析,可以发现那些对反恐工作有参考价值的差异信息。[方法/过程]根......
基于模式的贝叶斯分类模型是解决数据挖掘领域分类问题的一种有效方法.然而,大多数基于模式的贝叶斯分类器只考虑模式在目标类数据......
