![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
co-location
文章平均质量分 95
褪色的博客
记录和分享学习过程中学到的知识
展开
-
基于最大参与率挖掘稀有特征的co-location模式
在传统的基于团的挖掘算法中,参与率和参与度会随着co-location模式阶的增大而单调递减,根据单调性可以对co-location模式挖掘进行有效的剪枝。然而,如果在稀有空间特征存在的数据集合中挖掘co-location模式,用传统的方法将导致一些有趣的co-location模式被排除了。挖掘带有稀有空间特征的co-location模式的意义在于当一个模式中存在稀有特征时,仍能够准确的挖掘频繁co-location模式。原创 2022-04-03 20:13:51 · 1100 阅读 · 0 评论 -
空间co-location模式挖掘基于无连接Join-Less原理与实现
基于无连接join-less算法的空间co-location模式挖掘算法原理与实现。一种非连接的算法基于无连接Join-Less的原理与实现,提出一种物化模型:星型邻居物化模型,可以通过这种物化模型生成候选co-location模式。原创 2022-03-12 18:00:00 · 1143 阅读 · 0 评论 -
空间co-location模式挖掘基于全连接Join-Base原理与实现
简单来说该文章就是将apriori算法应用到空间模式的挖掘,将事务篮子换为co-location模式,将事务等价为行实例和表实例。引入参与率和参与度来等价支持度。频繁项的挖掘和关联规则的生成还是遵循apriori算法的步骤和核心思想,即先验原理(频繁模式的子集一定是频繁的,非频繁模式的超集一定是不频繁的)原创 2022-03-08 15:52:05 · 1500 阅读 · 9 评论