计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2014年
7期
108-115
,共8页
模糊空间%colocation模式挖掘%数据完整性%团实例
模糊空間%colocation模式挖掘%數據完整性%糰實例
모호공간%colocation모식알굴%수거완정성%단실례
fuzzy spatial%colocation pattern mining%data of completeness%clique instances
近年来空间colocation模式挖掘由传统数据扩展到了不确定数据、模糊数据领域,但在模糊数据层面上,只有少量关于对象模糊的研究,而对于模糊空间这一论域的研究还是空白。基于经典的colocation模式挖掘的理论,针对性地提出了面向模糊空间的colocation模式挖掘及相关定义,增加了模糊数据领域内研究的深度和广度,并根据模糊数学理论结合空间colocation挖掘的特点,在模糊距离隶属度函数未知的情况下建立了具有较好适用性的FS基本算法。该算法一改以往在经典数据集上需要验证”团实例”的复杂做法,大大提高了算法性能。在已知模糊距离隶属度函数时,给出一个同时适用于经典数据以及模糊数据的增加数据完整性的通用方法;引进模糊方位,给出完全有别于以往的FS补充算法,增加了数据的完整性,并能实现模糊数据空间向经典数据空间的转换。
近年來空間colocation模式挖掘由傳統數據擴展到瞭不確定數據、模糊數據領域,但在模糊數據層麵上,隻有少量關于對象模糊的研究,而對于模糊空間這一論域的研究還是空白。基于經典的colocation模式挖掘的理論,針對性地提齣瞭麵嚮模糊空間的colocation模式挖掘及相關定義,增加瞭模糊數據領域內研究的深度和廣度,併根據模糊數學理論結閤空間colocation挖掘的特點,在模糊距離隸屬度函數未知的情況下建立瞭具有較好適用性的FS基本算法。該算法一改以往在經典數據集上需要驗證”糰實例”的複雜做法,大大提高瞭算法性能。在已知模糊距離隸屬度函數時,給齣一箇同時適用于經典數據以及模糊數據的增加數據完整性的通用方法;引進模糊方位,給齣完全有彆于以往的FS補充算法,增加瞭數據的完整性,併能實現模糊數據空間嚮經典數據空間的轉換。
근년래공간colocation모식알굴유전통수거확전도료불학정수거、모호수거영역,단재모호수거층면상,지유소량관우대상모호적연구,이대우모호공간저일론역적연구환시공백。기우경전적colocation모식알굴적이론,침대성지제출료면향모호공간적colocation모식알굴급상관정의,증가료모호수거영역내연구적심도화엄도,병근거모호수학이론결합공간colocation알굴적특점,재모호거리대속도함수미지적정황하건립료구유교호괄용성적FS기본산법。해산법일개이왕재경전수거집상수요험증”단실례”적복잡주법,대대제고료산법성능。재이지모호거리대속도함수시,급출일개동시괄용우경전수거이급모호수거적증가수거완정성적통용방법;인진모호방위,급출완전유별우이왕적FS보충산법,증가료수거적완정성,병능실현모호수거공간향경전수거공간적전환。
The spatial colocation pattern mining in spatial data sets has been extended to the spatially uncertain data sets and spatially fuzzy data sets in recent years. However, for mining from spatially fuzzy data sets, it is studied only about spatially fuzzy objects rather than fuzzy spatial. According to the theory of the spatial colocation pattern mining in tradi-tional spatial data sets, some concepts of spatial colocation pattern mining in fuzzy spatial are defined. An FS basic algo-rithm is proposed while the function of membership degree is unknown, and as it does not need to check clique instances one by one, the FS basic algorithm works well. Meanwhile, a common method to increase the completeness of spatially data sets is introduced. Finally, the paper proposes an improved algorithm of FS to make spatially fuzzy data sets more integral, and then to transform spatially fuzzy data sets into spatially classic data sets.