資源描述：
《基于復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)流密度的增量子空間數(shù)據(jù)挖掘算法.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第32卷第7期計(jì)算機(jī)應(yīng)用研究V0L32No．72015年7月ApplicationResearchofComputemJu1．2015基于復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)流密度的增量子空間數(shù)據(jù)挖掘算法水侯燕，李巍，文喬農(nóng)(1．周口師范學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，河南周口466001；2．西南科技大學(xué)信息工程學(xué)院，四川綿陽621010)摘要：為了提升在復(fù)雜網(wǎng)絡(luò)中對大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)流進(jìn)行挖掘時(shí)的準(zhǔn)確性，提出一種基于復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)流密度的增量子空間數(shù)據(jù)挖掘算法，在算法中先對復(fù)雜網(wǎng)絡(luò)的數(shù)據(jù)流密度進(jìn)行分析，并根據(jù)不同網(wǎng)絡(luò)的數(shù)據(jù)流密度來劃分社區(qū)，進(jìn)行無向環(huán)路遍歷來確定數(shù)據(jù)流的所屬社區(qū)。再通過增量子空間數(shù)據(jù)挖掘算法
2、來計(jì)算社區(qū)網(wǎng)絡(luò)與數(shù)據(jù)流的相關(guān)度以及數(shù)據(jù)流所經(jīng)過的節(jié)點(diǎn)與時(shí)間的相關(guān)系數(shù)，從而準(zhǔn)確確定目標(biāo)數(shù)據(jù)流所處的節(jié)點(diǎn)。通過仿真實(shí)驗(yàn)結(jié)果和數(shù)據(jù)分析表明，增量子空間數(shù)據(jù)挖掘算法的數(shù)據(jù)挖掘精度在節(jié)點(diǎn)、社區(qū)數(shù)較多的情況下仍達(dá)到了較高的挖掘精度。關(guān)鍵詞：復(fù)雜網(wǎng)絡(luò)；數(shù)據(jù)挖掘；數(shù)據(jù)流密度；增量子空間中圖分類號：TP311．12；TP301．6文獻(xiàn)標(biāo)志碼：A文章編號：1001—3695(2015)07．2023．04doi：10．3969／j．issn．1001-3695．2015．07．026．Incrementalsubspacedataminingmethodbasedondatastreamden
3、sityofcomplexnetworkHouYan，LiWei，WenQiaonong(1．SchoolofComputerScience＆Technology，ZhoukouNormalUniversity，ZhoukouHenan466001，China；2．SchoolofInformationEngineer-ing，So~hwestUniversityofScience＆Technology，MianyangSichuan621010，China)Abstract：Inordertoimprovetheaccuracyoflarge·scaledata—strea
4、mminingincomplexnetworks．thispaperproposedanin-crementalsubspaeedataminingmethodbasedondatastreamdensityofcomplexnetwork．Itfirstlyanalyzedthedatastreamdensityofcomplexnetworkinthealgorithm，andthendividedthedatastreamdensityofdifferentnetworksintodifferenteom-munities，SOthatadoptedtheundirec
5、tedtraversinglooptodeterminetheircorrespondingcommunitiesofdata—flow．Italsoa—doptedtheincrementalsubspacedata-miningalgorithmtocalculatethecorrelationbetweencommunitynetworkanddata-·streamandthecorrelationcoeficientbetweendata-streamnodeandtimeSOastoaccuratelydeterminethenodesoftheobjectdat
6、astream．Dataanalysisandsimulationexperimentresultsdemonstratethattheincrementalsubspacedataminingalgorithmstillhasahigherminingaccuracyinthecaseofalargernumberofnodesandcommunities．Keywords：complexnetworks；datamining；datastreamdensity；incrementalsubspace聯(lián)規(guī)則等不同方法，可以有效地從不同的角度來對網(wǎng)絡(luò)數(shù)據(jù)進(jìn)0引言行挖掘。·。劉
7、亞楠等人提出一種基于多模態(tài)子空間相關(guān)性傳遞的隨著應(yīng)用在無線傳感器網(wǎng)絡(luò)、Web網(wǎng)絡(luò)等業(yè)務(wù)的增加，需要進(jìn)行存儲或查詢的通話記錄、監(jiān)控錄像、通信數(shù)據(jù)管理、金融視頻語義挖掘算法，該算法通過提取視頻的多模態(tài)底層特征，服務(wù)等網(wǎng)絡(luò)數(shù)據(jù)流也逐漸增多，給人們帶來嚴(yán)重的網(wǎng)絡(luò)數(shù)據(jù)信并采用CODE和SimFusion來進(jìn)行子空間相關(guān)性傳遞，采用標(biāo)息過載問題。網(wǎng)絡(luò)大數(shù)據(jù)的出現(xiàn)，在一定程度上改善了企業(yè)的注信息來訓(xùn)練分類模型，實(shí)現(xiàn)視頻語義信息挖掘。黃武漢等運(yùn)作模式，改變著人們的工作方式，同時(shí)也給學(xué)術(shù)界帶來了挑人提出一種移動通信網(wǎng)中基
