计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
z1期
391-393,413
,共4页
事件序列%频繁情节%非重叠发生%隐马尔可夫模型
事件序列%頻繁情節%非重疊髮生%隱馬爾可伕模型
사건서렬%빈번정절%비중첩발생%은마이가부모형
Event sequence%Frequent episode%Non-overlapped occurrence%Hidden Markov models
首先提出一种改进的算法NONEPI++,用于挖掘事件序列上非重叠发生的频繁情节;然后将每个频繁情节表示为相应的情节隐马尔可夫模型EHMM,并通过最大期望算法计算模型的混合系数,从而生成一个基于历史数据流的混合模型;最后,基于该混合模型预测目标事件类型出现的概率.实验表明,混合EHMM模型能有效地预测数据流.
首先提齣一種改進的算法NONEPI++,用于挖掘事件序列上非重疊髮生的頻繁情節;然後將每箇頻繁情節錶示為相應的情節隱馬爾可伕模型EHMM,併通過最大期望算法計算模型的混閤繫數,從而生成一箇基于歷史數據流的混閤模型;最後,基于該混閤模型預測目標事件類型齣現的概率.實驗錶明,混閤EHMM模型能有效地預測數據流.
수선제출일충개진적산법NONEPI++,용우알굴사건서렬상비중첩발생적빈번정절;연후장매개빈번정절표시위상응적정절은마이가부모형EHMM,병통과최대기망산법계산모형적혼합계수,종이생성일개기우역사수거류적혼합모형;최후,기우해혼합모형예측목표사건류형출현적개솔.실험표명,혼합EHMM모형능유효지예측수거류.
