MLCPM-UC:一种基于模式实例分布均匀系数的多级co-location模式挖掘算法

作     者：刘新斌 王丽珍 周丽华 LIU Xin-bin;WANG Li-zhen;ZHOU Li-hua

作者机构：云南大学信息学院昆明650500 

基　　金：国家自然科学基金项目(61966036,61662086,61762090) 云南省创新团队基金项目(2018HC019) 云南大学研究生科研创新基金项目(2020315) 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2021年第48卷第11期

页      码：208-218页

摘      要：空间co-location(并置)模式是一组空间特征的子集,其实例在空间中频繁地邻近出现。由于空间数据同时存在关联性和异质性,co-location模式实例的分布或在整个研究区域中全局出现(全局co-location模式),或在研究区域的局部区域出现(区域co-location模式),从而提出了多级co-location模式挖掘。当前的多级co-location模式挖掘方法存在两个问题:1)已有的多级co-location模式挖掘方法忽略了模式在空间中的分布特性,未能准确区分全局和区域co-location模式;2)已有的多级模式挖掘方法将全局非频繁co-location模式作为候选区域co-location模式,导致候选区域co-location模式数量过多。针对以上问题,首先,定义了模式的实例分布均匀系数,在考虑模式频繁性的同时考虑了模式在空间中的分布情况,从而正确、高效地识别出全局和区域co-location模式。其次,基于模式的实例分布均匀系数,设计了一个有效的多级co-location模式挖掘算法,提出了有效的剪枝策略以提高算法效率。最后,在真实和合成数据集上进行了广泛的实验,验证了所提方法的正确性和高效性。

主 题 词：空间数据挖掘 多级co-location模式 空间异质性 均匀系数 

学科分类：08[工学] 0835[0835] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.11896/jsjkx.201000097

馆 藏 号：203106067...