【摘 要】
：
无重叠条件序列模式挖掘是一种间隙约束序列模式挖掘方法,与同类挖掘方法相比,该方法更容易发现有价值的频繁模式,其核心问题是计算给定模式在序列中的支持度或出现数,进而判定该模式的频繁性,而计算模式支持度问题实质是无重叠条件模式匹配。当前研究采用迭代搜索无重叠出现,然后剪枝无用结点的方式计算模式的支持度,其计算时间复杂度为O（m*m*n*W）,其中m,n和W分别为模式长度,序列长度及最大间隙。为了进一步
【基金项目】
：
国家自然科学基金（61976240）； 无重叠（δ, γ）-近似模式匹配.项目级别:省级,项目来源:河北省教育厅,项目编号:CXZZSS2019023, 2019.04；
论文部分内容阅读
无重叠条件序列模式挖掘是一种间隙约束序列模式挖掘方法,与同类挖掘方法相比,该方法更容易发现有价值的频繁模式,其核心问题是计算给定模式在序列中的支持度或出现数,进而判定该模式的频繁性,而计算模式支持度问题实质是无重叠条件模式匹配。当前研究采用迭代搜索无重叠出现,然后剪枝无用结点的方式计算模式的支持度,其计算时间复杂度为O（m*m*n*W）,其中m,n和W分别为模式长度,序列长度及最大间隙。为了进一步提高无重叠条件模式匹配计算速度,从而为降低无重叠条件序列模式挖掘时间打下基础,本文提出了一种高效的无重叠条件模式匹配算法NETBack（Nonoverlapping Nettree Backtracking）,该算法将模式匹配问题转化为网树形式,然后从网树的最小树根结点出发,采用回溯策略迭代搜索最左孩子方式计算无重叠最小出现,在网树上剪枝该出现后,无需进一步查找并剪枝无效结点即可实现问题的求解。本文理论证明了该算法的完备性并将该算法的时间复杂度降低为O（m*n*W）。在此基础上,本文继续指明,该问题还存在另外三种相似的求解策略,分别是从最左叶子出发迭代查找最左双亲方式、从最右树根出发迭代查找最右孩子方式和从最右叶子出发迭代查找最右双亲方式。实验结果证明了本文算法的性能,特别是在序列模式挖掘中,应用本文方法的挖掘算法可以降低挖掘时间。
其他文献
基于捷联惯导原理的MEMS惯性导航定位技术日益受到重视,由于MEMS陀螺仪精度的限制和捷联惯导的积分解算方式,使得载体姿态估计的误差不断累积,难以实现长时间的精准定位。本文针对室内惯性定位的应用场景,研究采用单目视觉校正惯性姿态估计误差的方法。论文主要工作如下:（1）视觉绝对姿态辅助惯性定姿算法。通过视觉系统获取室内特征参照物的图像,结合已知的参照物姿态,利用透视投影原理,获得当前时刻基于视觉信息
近年来,随着我国经济建设和社会生产力的快速发展,空气污染已经成为大众和政府特别关注的重要话题。利用日趋成熟的数据挖掘手段,通过关联性理论方法,从空气质量数据中挖掘有价值的隐藏信息,通过分析,得到隐含在海量数据中的关联规则,对空气环境治理决策的制定具有重要意义。基于频繁模式增长（FP-growth）算法思想提出的关联规则算法,存在建树过程复杂,计算支持度繁琐的问题,导致挖掘效率较低。为此,论文提出了
皇冠梨在出口海外市场的过程中,会产生内部腐败变质而外观无明显变化的现象,从而导致商品会被全部拒收,造成巨大的经济损失。另外,在其品质检测过程中一直使用有损检测技术的感官评定方法,该方法一方面检测样本较少,覆盖面较小;另一方面其结果可靠性差、可重复性差。因此,本文特提出一种新型的无损检测技术,分别建立基于电子鼻嗅觉特征和视觉图像特征的皇冠梨分类模型,并将基于电子鼻技术和机器视觉技术的融合技术应用于皇
因果关系反映了事情之间先后相继、由因及果的发展关系。专利文本中的因果关系体现了专利的技术核心,有助于精准挖掘专利信息,也有助于专利知识图谱的构建。虽然因果关系抽取是自然语言处理领域一个经典的研究方向,但针对专利语料方面的研究较少。目前用于因果关系抽取的方法中,存在隐式因果关系抽取困难,边界识别模糊的问题。针对这些问题深入研究,主要工作包括:（1）构建专利因果指示词表。针对隐式因果关系抽取困难问题,
空间分析一直以来都是研究的热点课题,课题研究人员针对空间分析研究过程中遇到的各种问题提出了大量的解决方法。空间数据通常包含位置信息以及感兴趣的属性信息,空间数据分析是对空间数据提取或创建一组关于地理特征的新信息以对地理区域中的数据进行常规检查、评估、分析或建模的过程。对空间数据建立空间分析模型,有助于增强空间数据的估计和预测能力,提高数据的解释性和理解性。本文研究了栅格数据回归模型、地理统计数据回
During Photovoltaic solar cells manufacturing,visual defects inspection is carried out to guarantee the product quality and life span of solar cells.Solar cell surface defects can be classified into c
视频显著物体检测旨在利用计算机快速有效地从视频中获取感兴趣区域,有助于后续的目标提取或者定位等处理。视频由于摄像机抖动、光线变化、镜头突变切换和摄像机运动等因素,容易产生物体形变,模糊和无意义背景干扰等问题,这使得显著物体的检测任务面临着巨大的挑战。视频显著物体检测分为基于手工特征方法和基于深度学习的方法。基于手工特征方法采用无监督机制,准确率较基于深度学习的方法低。基于深度学习的方法大多是有监督
基于相位计算的光学三维测量技术具有精度高、可实现、非接触、系统结构简单、灵活性好等优点,一直是国内外研究的热门之一。目前三维测量技术己经广泛应用于工业检测、逆向工程、测绘导航、医学工程等领域。传统的三维测量系统由一个摄像机以及一个投影仪组成,容易受到视场范围限制造成视觉盲区,会存在十分明显的数据缺失现象。为了解决复杂形貌测量问题以及扩大系统视场范围,本文采用双相机和投影仪组成的多节点系统进行测量。
基于机器视觉的带钢表面缺陷检测系统对提高产品质量、提升智能化制造水平具有重要作用。但是,在实际生产中很难获得种类齐全、分布均衡的缺陷样本库,基于机器学习方法依赖于大量有标签的数据而难以发挥它的优势。在异常检测领域,一分类方法可以通过拟合大量正常类数据的分布来完成正负样本划分,而生成对抗网络（Generative Adversarial Networks,GAN）能够对复杂和高维分布的数据建立模型。
行人再识别是依据当前监控场景中出现的行人目标,通过计算机视觉技术,对在不同场景监控摄像头中拍摄的行人进行再识别。但在实际应用中,行人的图像或视频并不能被充分捕获到,被查询人样貌的自然语言描述可为行人再识别提供更有用的信息,因此,基于自然语言描述的行人再识别成为了研究热点。基于自然语言描述的行人再识别属于跨模态匹配问题,图像和自然语言描述文本的特征异构明显,为此本文构造了双分支提取特征的网络模型,并