频繁子图
频繁子图的相关文献在2003年到2022年内共计90篇,主要集中在自动化技术、计算机技术、中国医学、机械、仪表工业
等领域,其中期刊论文58篇、会议论文4篇、专利文献2528篇;相关期刊41种,包括商情·科教文萃、华侨大学学报(自然科学版)、河南科技大学学报(自然科学版)等;
相关会议4种,包括第二十四届中国数据库学术会议、第二十届全国数据库学术会议、第19届中国过程控制会议等;频繁子图的相关文献由242位作者贡献,包括赵翔、陈一帆、印鉴等。
频繁子图
-研究学者
- 赵翔
- 陈一帆
- 印鉴
- 刘勇
- 王桂娟
- 肖卫东
- 葛斌
- 詹卫许
- 周杨
- 周皓峰
- 唐德权
- 施伯乐
- 杨书新
- 袁晴晴
- 谭伟
- 严玉良
- 佘春东
- 冯光升
- 刘慧姝
- 刘辉
- 吕宏武
- 吴建国
- 吴芳
- 张俊峰
- 张清
- 徐彬
- 晏泽锦
- 曾智彬
- 李先贤
- 李建中
- 楼宇波
- 汤大权
- 汪卫
- 王俊峰
- 王峰
- 王慧强
- 王金艳
- 胡义兵
- 胡艳丽
- 董一鸿
- 薛冰
- 许荣斌
- 谢莹
- 邢李泉
- 郑月月
- 郭方方
- 郭浩
- 郭玉林
- 马坚
- 高宏
-
-
孙超;
闻敏;
李鹏祖;
李瑶;
Ibegbu Nnamdi JULIAN;
郭浩
-
-
摘要:
近年来,脑网络被广泛应用在脑部疾病的诊断和分类中。考虑到大脑的不确定性特征,先前的研究将不确定图应用在脑网络建模中。在不确定脑网络研究中,传统的特征提取方法多采用均值、方差、极差等进行子图特征提取,但是它们存在泛化性能差以及子图间差异无法直接衡量的问题,进而影响分类准确率。因此,相对极差被提出作为新的特征提取方法。这一方法的优点在于既考虑到子图模式间的最大差异,又考虑到子图模式间的组间差异,可以有效避免传统方法的弊端。结果表明,相对极差与其他特征提取方法相比,其分类性能显著高于传统方法。同时,在不同的特征选择方法下相对极差表现出较好的分类性能,具有很强的泛化性。该研究为不确定脑网络特征提取方法提供了重要的参考意义。
-
-
张海涛;
李济平;
罗城;
冀康;
沈慧娴
-
-
摘要:
挖掘大量移动轨迹数据获取移动性知识,可为城市交通、智慧医疗等众多行业领域提供辅助决策.但现有的移动性知识表达方式过于简单,不能反映产生移动轨迹数据复杂系统的潜在运行规律,需要从网络的视角分析移动性知识之间的复杂关系.提出了一种基于有向频繁子图挖掘的移动性模式网络构建方法,包括移动轨迹数据到轨迹有向图的转换,基于有向图的移动轨迹频繁子图挖掘,以及基于GraphX图处理框架的移动性模式网络构建.实验结果发现:基于提出方法构建的移动性模式网络,可以使用源节点、目标节点的数量,平均节点度值(包括平均节点入度、平均节点出度)以及网络聚集系数等网络特征,清晰表达移动性知识之间的复杂关联关系.
-
-
任晋宇;
白琳;
周志阳;
冯睿智;
钟华
-
-
摘要:
目的 扩展经典的频繁子图挖掘算法以获得在中医学科中表现更好的数据挖掘效果,从而得出隐含在中医病案中的辨证论治模式.方法 结合中医病案数据特征,扩展经典的图挖掘算法,对多个症状属性分别设置最小支持度阈值参数,再用扩展后的基于多重最小支持度的数据挖掘算法对数据集中蕴含的辨证论治模式进行挖掘.结果 对3319条慢性阻塞性肺疾病(急性加重期)真实病案数据应用扩展的频繁子图挖掘算法,得到一系列该病相关的八纲辨证模式.与经典算法相比,扩展算法挖掘得到的辨证模式在模式维度和数量方面均明显提升.结论 扩展后的频繁子图挖掘算法能够运用于中医辨证论治模式的挖掘,发现病案中隐含的辨证规律,且在模式完备性上具有比原始算法更好的效果.
-
-
吕清泉;
丁坤;
周强;
张健美;
高鹏飞;
张睿骁;
侯佳敏
-
-
摘要:
随着电力系统规模的日益增大,新能源的不断加入,系统中的知识总量呈爆炸式增长,电力系统运行需基于更高的数据质量实现,以便为系统提供全方位,全周期的数据共享。国内电力信息系统所使用的数据库一般为结构化数据库。而传统关系型数据库在处理大数据复杂关系问题过程中,一系列技术瓶颈日益凸显,传统数据库已经无法满足海量数据的处理建模与分析。本文提出了一种全自动化新能源大数据异常检测的技术方法,它利用知识图谱天然反应数据间现有关系的优势,基于图结构和图顶点的属性信息,对异常图模式进行形式化定义以直接挖掘电网拓扑结构中的异常数据。本文挖掘的异常数据在现实中具有语义信息,在异常数据检测问题上具有可行性和实用价值。通过挖掘富有语义信息的异常图模式,检测新能源大数据中的异常数据,以保证数据的可靠性和准确性,避免错误或无效数据影响电力系统精细化管理和电网安全运行。算例实验效果良好,表明所提出的辨识方法具有理论价值和实际应用价值。
-
-
-
-
Zhu Xuebing;
Zhou Anmin;
Zuo Zheng
-
-
摘要:
基于图的恶意代码检测的方法必须为每个已知恶意软件建立行为依赖图,传统的基于动态污点分析技术恶意代码检测方法的行为依赖图的数量巨大,匹配很耗时间,很难运用于实际应用中.针对这个问题,提出一种基于恶意代码家族行为频繁予图挖掘的恶意代码检测方法,运用动态污点分析技术对系统调用API(application program interface)参数进行污点标记,通过追踪污点数据的轨迹得到系统API调用关系;其次使用动态污点分析方法生成单个样本的行为依赖图;然后,用频繁子图挖掘方法挖掘出恶意代码家族频繁行为子图;最后,以家族行为频繁子图作为家族行为特征,以随机森林算法建立分类器进行恶意代码检测.相对于传统的基于API序列和单一的基于恶意代码行为依赖图的检测方法,提出的方法不受代码混淆技术的影响,并且在很大程度上缩减了行为依赖图的数量,且不丢失恶意代码行为特征,提高了恶意代码检测的效率和分类准确率.
-
-
-
朱鹏宇;
鲍培明;
吉根林
-
-
摘要:
随着移动通信技术和互联网的飞速发展,移动通信设备已经成为大多数人随身携带的工具,这些设备之间因互相通信而产生的数据构成了通信网络.文中提出了一种针对海量通信数据的频繁通信子图并行挖掘算法PMFCS.该算法在频繁项目集挖掘思想和子图连接规则的基础上,利用并行计算框架Spark将所有的图以边为单位分布到各个计算节点,在各个节点统计1阶候选频繁子图,再通过汇总候选子图得到1阶频繁子图.PMFCS算法通过迭代地连接k-1阶子图和1阶子图生成k阶候选子图,再计算k阶候选子图的频繁度,直至k阶频繁子图集合为空集.实验结果表明,该算法可以快速、有效地解决频繁通信关系的挖掘问题.%With the rapid development of mobile communication technology and Internet,mobile communication equipment has become a portable tool for most people.A parallel algorithm PMFCS was proposed for mining frequent communication sub-graph of mass communication data.The algorithm is based on the Apriori algorithm and sub-graph connect principle.It uses Spark to distribute all the edges to each computing node,then the 1th-order frequent candidate sub-graphs are distributed to each node,the 1th-order frequent candidate sub-graphs are counted at each node,and the 1th-order sub-graphs are got by summarizing candidate sub-graphs.PMFCS iteratively connects the (k-1)th-order subgraph and the 1th-order sub-graph to generate kth-order candidate sub-graphs.Subsequently,the algorithm terminates until the kth-order frequent sub-graph set is empty.The experimental results show that PMFCS can mine the frequent communication sub-graph efficiently and quickly.
-
-
秦梦娜;
陈俊杰;
郭浩
-
-
摘要:
现有的基于脑疾病的分类方法的研究使用的都是传统的低阶功能连接网络.低阶功能连接网络可能会忽略复杂的大脑区域之间动态的相互作用的模式.高阶功能连接网络能够反映网络中包含的丰富的动态时间信息,但原有的高阶功能连接网络使用聚类的方法降低了数据维度,使得构建的网络无法进行有效的神经学解释;其次,高阶功能连接网络由于规模较大,在利用复杂网络或图理论计算一些拓扑指标时消耗较大.基于此,提出了一种高阶最小生成树网络的构建方法,然后计算了传统的可量化网络指标(度和离心率)并结合频繁子图挖掘技术来挖掘具有判别能力的子网络,最后采用多核支持向量机进行分类.实验结果表明所提方法的分类精确度高达97.54%,获得了很好的分类性能.
-
-
- 《第19届中国过程控制会议》
| 2008年
-
摘要:
Apriori算法是传统数据挖掘中挖掘频繁项集的一个典型算法。本文在对Apriori算法思想进行归纳的基础上,通过对两个典型的频繁子图挖掘算法的分析,阐述了Apriori算法思想在频繁子图挖掘中的应用,进一步明确了Apriori算法思想在基于图的数据挖掘中的重要性,结合Apriori算法思想特征以及基于图的数据挖掘特性,对频繁子图挖掘算法的改进方向进行了展望。
-
-
周杨;
王峰
- 《第二十四届中国数据库学术会议》
| 2007年
-
摘要:
图结构挖掘已成为当前数据挖掘的研究重点之一.在文本结构分析、生物信息处理以及网络结构分析等领域图结构挖掘都有着广泛应用.频繁子图的数量通常随图的大小呈指数增长,为此人们提出了很多的解决方法,如FSG,gSpan,Closeraph.通过引入子图同构和结构同构的概念,借助贪婪搜索算法和完全级别搜索算法的思想,结合图论和频繁项目集的挖掘算法,提出了一种新的频繁子图挖掘算法--FSM(frequent subgraph mining). FSM算法降低了寻找频繁子图的复杂度,提高了图结构挖掘的效率.
-
-
-
-
-