模式挖掘

摘要： 高效用模式挖掘(HUPM)是新兴的数据科学研究内容之一,通过考虑事务数据库中项的单位利润和数量,以提取出更有用的信息。传统的HUPM方法假定所有项的效用值均为正,但是在实际应用中,某些数据项的效用值可能为负(如商品因产生亏损而导致利润值为负),含负项的模式挖掘与仅含正项的模式挖掘同样重要。首先,阐述了HUPM的相关概念,并分别给出相应正负效用的实例;然后,以正与负角度划分了HUPM方法,其中带有正效用的模式挖掘方法进一步以动态与静态的数据库新颖角度划分,带有负效用的模式挖掘方法中包括了基于先验、基于树、基于效用列表和基于数组等关键技术,并从不同方面对这些方法进行了讨论和总结;最后,给出了现有HUPM方法的不足和下一步研究方向。

摘要： 数据挖掘技术是一种从数据本身进行考虑的分析技术,能够对数据进行科学分类、数据估计、分类预测、关联分组以及时序数据列序模式挖掘,通过一系列的挖掘流程运用,得出更加具有价值和意义的数据,为决策提供良好的支持。数据挖掘技术在股票数据分析当中也具有一定的应用价值,数据挖掘技术在股票数据分析中应用,需要深入不同类别算法的特点和算法,从而发挥其运算优势,得出更加准确地股票数据分析结果,为股票投资提供更加可靠的依据。

摘要： 复杂高效用模式挖掘是当前研究的一个新兴主题。本文首次从高效用融合模式和衍生模式2个角度进行讨论。首先,对于融合模式,根据数据结构的不同对高效用序列模式进行分类论述;按照时间顺序对高效用片段模式、周期高效用模式进行概述。针对衍生模式,从数据结构角度对高平均效用模式、带有负项的高效用模式、on-shelf高效用模式进行总结;从精简类型角度概述精简高效用模式,并对现有融合模式和衍生模式挖掘算法的优缺点、上边界等进行对比分析。最后,针对现阶段研究缺陷与不足,给出了下一步研究方向,包括不确定数据中的高效用模式挖掘方法、数据流上的高效用on-shelf模式挖掘方法和大数据环境下的并行高效用模式挖掘方法。

摘要： 提出了一种快速且有效的数据流高效用模式挖掘算法EFIM_Closed_DS.算法基于窗口内投影技术,在每个窗口中使用数据库投影技术以及事务合并方法有效地减少了数据库扫描的代价。使用高效的剪枝技术和有效的闭合项集检测方法能够剪枝大量低效用项集以及非闭合项集。大量实验结果显示,提出的算法比之前最先进的算法在内存和时间上都更为有效。

摘要： 建筑是能源消耗的重要载体,楼宇是城市建筑的关键形式,为达到节能增效的目的,提出基于模式挖掘的智能楼宇能源消耗量预测方法。分析智能楼宇的类型与系统结构,从微观到宏观角度构建楼宇集群数学模型。采用序列模式挖掘算法扫描能耗历史数据库,选出长度为1的频繁序列。构建三角矩阵,并对频繁序列的子集作递归挖掘,对所有挖掘出的频繁项集排序并获取权重,将权重较高的历史数据作为预测依据。确定模糊预测准则,计算离散论域中的语言值,生成运动器,计算不同预测结果的模糊权值,综合权重影响获得最终的能耗量预测结果。仿真实验表明,该方法对于不同类型的智能楼宇,都能得到较为精准的预测结果。

摘要： 预测宫颈癌的诊疗项目是辅助医生诊疗的重要手段,文中针对宫颈癌患者住院数据的复杂性以及现有时间序列预测技术的不足,提出了创新性的诊疗过程规范化判断的两段式预测模型Bi-GRU-DT,同时对比验证了GRU-2、Bi-GRU、GRU-2-DT、FL-LSTM、Phased LSTM、AMNN的模型性能.具体而言,首先用加权池化的方式对住院数据进行处理,用Skip-gram算法将处理后的数据表示成向量;然后,利用二分K-means算法挖掘规范的诊疗模式,利用基于Bi-GRU的循环神经网络构建诊疗项目预测模型.在预测未来诊疗项目前,首先对诊疗过程进行规范化判断,并将相邻诊疗日的时间间隔融入到输入数据中.实验结果表明,相较于未规范化判断的情况下,模型的召回率和平均准确率分别提高了6.4%和5.3%.

摘要： 软件测试是保障Android应用质量的有效手段,而理解Android应用的功能作为Android测试过程的基础,旨在深入探究应用的业务逻辑并发现其功能问题,在测试中尤为重要。用户行为模式可充分辅助测试人员理解Android应用功能,从而提高测试效率。基于“相似Android应用共享用户行为模式”的构想,提出一种Android应用的用户行为模式挖掘及复用方法,以降低Android应用测试成本并提高测试效率。具体而言,针对待测Android应用,从其相似Android应用挖掘出用户行为模式;然后利用基于语义的事件模糊匹配策略为待测应用寻找对应事件,并基于用户图形界面(GUI)模型的最优路径选择策略为待测应用生成目标事件序列,从而实现相似应用间的用户行为模式复用。针对三类应用的32种用户行为模式进行实验,结果表明,87.4%的行为模式可在相似Android应用上被完整复用,并且被复用的行为模式可有效覆盖待测应用中90.2%的重要状态。可见,所提方法为Android应用测试提供了有效支撑。

摘要： 通过分析有关高效用模式挖掘(high utility pattern mining,HUPM)最先进的方法,对其进行全面和结构化的概述.首先,通过介绍HUPM的相关概念、公式并给出应用示例,对HUPM有更深一步的理解;针对用于挖掘不同类型HUPM的最常见和最先进的关键技术进行分类,包括基于Apriori、基于树、基于列表、基于映射、基于垂直/水平数据格式、基于索引等方法.针对现有关键技术的用途和优缺点进行了全面概述,由于静态数据难以满足实际需要,总结了在数据流上应用的HUPM方法,主要包括基于增量方法、基于滑动窗口模型方法、基于时间衰减模型方法、基于地标模型方法等.最后,给出了现有技术的不足和改进方向,并且有针对性地提出了新的研究方法.

摘要： 拼多多的商业逻辑,其实很简单——"抱走马斯洛需求的塔基",用9块9包邮的模式挖掘马斯洛需求的塔基。理解了这句话,也就真正理解了拼多多。拼多多到了尴尬的时刻。2020年12月29日凌晨1点30分,拼多多女员工在与同事一起走路回家的路上突然捂腹,晕厥倒地,后抢救无效,不幸离世。2021年1月9日18时,拼多多通报了一员工在长沙家中跳楼自杀的事件。即使这样,拼多多在活跃买家、增长速度的强劲表现,还是打动了投资者,拼多多的股价一夜狂涨。

摘要： 为了降低Web日志频繁序列模式挖掘误差,提出基于支持向量机的Web日志频繁序列模式挖掘方法.构建Web日志频繁序列模式检测序列,采用自相关特征分布式融合方法进行序列重组,提取序列模式的统计特征量,对其特征分布值进行信息融合.建立Web日志频繁序列模式融合式调度模型,采用支持向量机分析方法进行Web日志频繁序列模式挖掘的自适应学习与寻优控制,实现Web日志频繁序列模式挖掘.仿真结果表明,采用该方法进行Web日志频繁序列模式挖掘的误差较低,收敛性较好.

摘要： 实例位置模糊在许多领域里都有着非常重要的应用,比如生物医学图像数据库和地理信息系统(GIS).研究了实例位置模糊的空间co-location模式挖掘问题.定义了实例位置模糊的空间co-location模式挖掘的相关概念,包括实例位置模糊、位置参与率等；给出了基本算法来挖掘实例位置模糊的co-location模式；提出了两种改进算法,即基于网格的距离计算和减枝候选模式,以提高挖掘性能,加快co-location规则的产生.通过大量的实验,说明了基本算法及其改进算法的效果和效率.

摘要： 轨迹模式挖掘是轨迹数据知识发现的一个重要课题。由于定位设备的局限性，采集到的轨迹数据具有不确定性。着眼于不确定轨迹数据模式挖掘，通过引入模糊集方法，提出不确定轨迹数据模式挖掘方法。首先用均匀网格划分对象的运动平面，基于对象实际位置的概率分布计算轨迹点相对于每个网格的隶属度，通过不确定轨迹兴趣区域发现算法，得到所有的不确定兴趣区域，然后在此基础上进行轨迹模式挖掘。实验展示了所提出的不确定轨迹数据模式挖掘方法进行模式挖掘的效果。

摘要： 在模式挖掘领域，除了使用定义来约束模式挖掘，还没有一个被广泛接受的方案来将领域知识引入到挖掘过程中去。本文提出了一个框架来实现这个方案。该框架使用一个领域本体来表示背景知识，可以用来在挖掘过程中施加约束。框架预定义了约束和关系的体系，这些约束提供了一个与问题领域无关的挖掘环境。并且可以通过定义新的约束来扩展框架。文中用一个旅游应用来验证框架的有效性。

摘要： 蛋白质序列作为生物序列数据一个重要组成部分，对其的分析研究已经成为生物信息学中的一个重要的研究方向和内容．通过对序列进行模式挖掘，可以对蛋白质序列或某一蛋白质家族序列进行研究，因此蛋白质序列的模式挖掘已经成为蛋白质序列研究中的一项重要任务．MBioPM是一种最新的生物序列模式挖掘算法，该算法通过引入模式划分概念，提高算法的效率，但该算法在效率方面仍存在不足，而且挖掘结果存在冗余性的问题．因此，提出一种优化算法BioPMMH，通过带有模式划分特点的Hash链表结构来优化算法中的搜索空间及策略，并在算法过程中对重复模式进行过滤．实验表明，算法BioPMMH能有效提高模式挖掘的效率，并解决结果的冗余性问题．

摘要： 程序员在进行软件维护时往往需要考虑代码之间的依赖关系而修改多处代码。目前软件中普遍存在大量采用不同编程语言编写的辅助文件,采用程序分析的方法难以发现与其有关的依赖关系。本文采用频繁模式挖掘的方法对软件演化历史进行挖掘,发现修改模式,即在历史上相对频繁的同时发生修改的方法和辅助文件集合。本文采用抽象语法树比较的方法提取发生修改的方法,以开源项目Eclipse为例进行分析,提取其修改模式,抽样统计修改模式中的结构关系和非结构关系,应用查全率和查准率描述修改模式对代码变化的预测效果。实验表明修改模式既能反映部分程序分析可以发现的结构关系,也可以发现程序分析难以发现的非结构关系,并具有较高的查全率和查准率,能够在一定程度上辅助程序员进行软件修改。

摘要： 本文研究的重点是数据流环境中异常模式的提取与趋势监测，提出了一个进行异常模式发现的度量框架--强度比率,为异常模式挖掘提供了度量标准；在基于异常模式求取的基础上,提出了利用回归分析方法--最小二乘法进行异常模式趋势监测，实验结果表明,提出的异常模式度量和求取算法是合理的,提出的趋势监测方法是有效的、可行的。

摘要： 本文结合数据流和频繁模式挖掘本身的特性,提出了一个启发式分段求解方法.该方法将数据流分成不同的段,利用Hoeffding Bound估算满足求解结果精度的段长度,通过逐段的迭代进行频繁模式的评估,最后估算出所有的模式.然后提出模式维护算法对这些评估模式进行维护.

摘要： 本入侵检测系统经过在华中电力公司的财务管理系统进行的实验证明该系统能有效地检测入侵行为.由于使用了距离度量和相关度指导模式挖掘和模式比较过程,成功地建立了角色的正常行为模式和当前行为模式,在检测过程中,很好地体现了正常行为模式和异常行为的差异,及时发出警报.把基于统计分析的方法和基于规则/特征的方法结合起来,提高了系统的准确性,与传统的在文件层上进行分析的入侵检测系统相比,有效地降低了虚敬率.利用角色建模,与利用用户建模的方法相比较,能够得到更一般和更规则的行为模式,建立了关于行为模式的知识库.

摘要： 智能交通系统是解决交通阻塞、确保交通安全和减少交通预算等的有效保障,其中一个核心问题是采取有效的方法,实施对将来交通状况的预测.目前主要有四种类型的预测方法:基于历史数据的方法、基于时间序列分析的方法、基于仿真方法和基于神经网络的方法.它们或者只考虑现实状况或者只注重历史规律,没有很好地将现实状况和历史行驶规律结合.单纯地依靠以往数据中蕴涵的规律模式不能很好的实时而确切地预测当前的活动,只有与当前实时的交通状况结合,才能更好地进行交通预测.本文提出了一个新的预测方法.该方法结合了基于模式预测的长远性和基于当前状况的实时性,从而使得预测不但具有"远见性",而且具有较好的"实时性",使得实时预测的可行性和准确性得到保证.

摘要： 利用核函数构造数据的特征空间并在此空间采用核函数结合RA算法选取初始聚类中心,在核k-means聚类基础上,划分出大簇小簇,然后在大簇中进行异类分离以发现实验数据中以小概率事件出现的R2L,U2R和PROBE攻击;并且在大簇中挖掘闭合序列模式,获得描述大簇的序列规则,从中判断是否存在DoS攻击.算法分析和实验结果表明提出的方法可以获得较高的检测率并降低误报率.

摘要： 本发明提供一种电动挖掘机工作模式控制方法、系统及电动挖掘机，所述电动挖掘机工作模式控制方法包括，若判断获知接收到电动挖掘机的拖线工作模式的触发信号，则开启所述电动挖掘机的电源模块，并获取所述电动挖掘机的驱动系统的需求功率，所述电源模块与交流电源连接；若判断获知所述需求功率大于等于所述电源模块的供给功率，则控制所述电动挖掘机的动力电池组与所述电源模块同时为所述驱动系统供电。该方法能够使电源模块和动力电池组同时给驱动系统供电，使得电动挖掘机驱动系统的需求功率能够一直被满足，电动挖掘机可以一直正常工作，提高了电动挖掘机的工作效率。

摘要： 本发明提供一种挖掘机工作模式确定方法、系统及挖掘机，方法通过获取挖掘机当前工况信息，所述当前工况信息包括地理位置信息、工作环境信息和挖掘机工作参数信息；输入所述当前工况信息至目标模式工作模型，输出目标工作模式；在确定挖掘机的当前工作模式与所述目标工作模式不一致的情况下，调节所述当前工作模式为所述目标工作模式，使得通过地理位置信息、工作环境信息和挖掘机工作参数信息确定工作模式的方式更加的符合实际场景，同时由于通过机器学习模型的方式输出的目标工作模式，与人工经验相比，更具备科学性与合理性，使得无论哪种复杂工况，都能够保证挖掘机较高的工作效率。

摘要： 本发明公开了一种挖掘机运行模式切换的控制方法、装置、挖掘机、计算机设备和存储介质，所述方法包括：根据定位信息和预设工作区域的各个边界点的各个位置坐标信息，确定从当前运行模式切换至的目标运行模式；以及根据目标运行模式，向挖掘机发送切换控制指令。因此，采用本申请实施例，由于该控制方法能够精准地从多个视觉子模型中确定用于对挖掘机进行定位的视觉定位子模型，基于该视觉定位子模型对挖掘机进行精准定位，得到定位信息，以及根据定位信息和预设工作区域的各个边界点的各个位置坐标信息，确定从当前运行模式切换至的目标运行模式；这样，可以自动化且智能地控制挖掘机从当前运行模式切换至对应的目标运行模式。

摘要： 本发明提供一种电动挖掘机工作模式控制方法、系统及电动挖掘机，所述电动挖掘机工作模式控制方法包括，若判断获知接收到电动挖掘机的拖线工作模式的触发信号，则开启所述电动挖掘机的电源模块，并获取所述电动挖掘机的驱动系统的需求功率，所述电源模块与交流电源连接；若判断获知所述需求功率大于等于所述电源模块的供给功率，则控制所述电动挖掘机的动力电池组与所述电源模块同时为所述驱动系统供电。该方法能够使电源模块和动力电池组同时给驱动系统供电，使得电动挖掘机驱动系统的需求功率能够一直被满足，电动挖掘机可以一直正常工作，提高了电动挖掘机的工作效率。

摘要： 本实用新型公开了一种可折叠的双模式驱动电动挖掘机电缆收束装置及挖掘机，该电缆收束装置包括电缆卷筒、锁止机构以及活动支撑机构。锁止机构包括棘爪、弹性复位组件、棘轮以及活动轮，活动支撑机构包括活动臂一、销轴一、活动臂二以及固定支架。棘爪设置棘齿一，转动安装在挖掘机体上。棘轮转动安装在挖掘机体上，外边缘设置棘齿二。棘轮上设置挡点。活动轮转动安装在挖掘机体上。活动臂一固定在棘轮上，通过销轴一与活动臂二转动连接。电缆卷筒转动安装在活动臂二上，活动臂二上开设凹槽。固定支架转动安装在活动臂一上，能抵扣在凹槽中。本实用新型提高挖掘机的爬坡能力、灵活性和爬坡稳定性，保证供电电缆的使用安全性和承重能力。

摘要： 一种文本词间完全加权正负关联模式挖掘方法及其挖掘系统，利用中文文本预处理模块进行预处理，构建文本数据库和特征词项目库；利用特征词频繁项集和负项集挖掘实现模块从文本数据库中挖掘完全加权特征词候选项集，计算权重维数比，采用多兴趣度阈值剪枝策略剪除无趣的项集，得出有趣的完全加权特征词频繁项集和负项集模式；利用完全加权词间正负关联规则挖掘实现模块从频繁项集和负项集中挖掘有效的完全加权特征词正负关联规则模式，利用完全加权词间关联模式结果显示模块将挖掘到的正负关联规则模式输出给用户。本发明能够大幅度减少不必要的频繁项集、负项集和关联规则模式产生，提高中文特征词关联规则挖掘效率，获得高质量的中文词间关联模式。

摘要： 一种基于聚类算法和模式挖掘的船舶行为模式挖掘方法涉及船舶的模式挖掘领域。本发明主要通过获取船舶的轨迹数据库中存储的轨迹进行数据清洗和轨迹压缩两个过程的计算，将处理好的轨迹数据进行聚类产生簇，将簇作为频繁项集进行频繁序列的挖掘。本发明对其中的关键点聚类进行优化，能够有效的利用聚类算法进行多类船舶数据的挖掘，从而能够适应船舶大规模数据密度不均匀的特性，提高了行为模式挖掘的质量和准确性。

摘要： 本发明公开了一种银行频繁项模式挖掘方法，包括以下步骤：从银行系统运行信息中获取银行系统的系统状态信息；从系统状态信息中抽取系统特征，并从系统特征中提取出相关联的文本频繁项；根据相关联的文本频繁项挖掘出银行频繁项模式；根据银行频繁项模式生成银行系统的分析结果。该挖掘方法不仅可以给银行的后台服务改进提供参考，而且可以对银行故障排除方法的决策给出建议，提高了银行系统的可靠性，简单便捷。本发明还公开了一种银行频繁项模式挖掘系统。

摘要： 一种文本词间完全加权正负关联模式挖掘方法及其挖掘系统，利用中文文本预处理模块进行预处理，构建文本数据库和特征词项目库；利用特征词频繁项集和负项集挖掘实现模块从文本数据库中挖掘完全加权特征词候选项集，计算权重维数比，采用多兴趣度阈值剪枝策略剪除无趣的项集，得出有趣的完全加权特征词频繁项集和负项集模式；利用完全加权词间正负关联规则挖掘实现模块从频繁项集和负项集中挖掘有效的完全加权特征词正负关联规则模式，利用完全加权词间关联模式结果显示模块将挖掘到的正负关联规则模式输出给用户。本发明能够大幅度减少不必要的频繁项集、负项集和关联规则模式产生，提高中文特征词关联规则挖掘效率，获得高质量的中文词间关联模式。

摘要： 本发明提供一种应用于购买模式下的高效用周期频繁模式挖掘的方法，包括如下步骤：S1，输入数据库和五个自定义阈值；S2，扫描数据库构建1项集x的HUPFPS‑list，并判断其是否为高效用周期频繁模式；S3，根据上界值对搜索空间进行修剪，将符合条件的HUPFPS‑list添加到集合中；S4，将修剪后的1项集相交合并成2项集，并判断2项集是否为HUPFPS；S5，递归循环n‑1项集的HUPFPS‑list生成n项集，直至不能扩展，则输出所有高效用周期频繁项集。本发明的技术方案克服现有技术中大多数关于周期模式的研究都是在单个序列中挖掘，并且没有考虑模式的内部效用和外部效用的问题。