面向單幅不確定大圖的頻繁模式挖掘技術研究.pdf_第1頁
已閱讀1頁,還剩72頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、在軍事信息系統(tǒng)中,軍事情報分析與處理分系統(tǒng)占據(jù)重要地位。隨著各類情報獲取手段的演進,軍事情報數(shù)據(jù)呈現(xiàn)出異構性和非結構化等特點,使得軍事情報分析與處理面臨極大的技術挑戰(zhàn)。海量文本情報分析是情報分析與處理中最重要和最基礎的組成部分。當前,一種從整體上把握文本情報的有效手段是構建以單個文本為節(jié)點、文本之間相互關系為聯(lián)系的文檔網(wǎng)絡圖,即單幅大圖(網(wǎng)絡)數(shù)據(jù),并在此基礎上開展一系列分析研判。本文以文本情報分析為應用背景研究單幅大圖(網(wǎng)絡)上的數(shù)據(jù)

2、挖掘問題。
  由于噪聲、測量誤差、保密性、不完整性等原因,不確定性在現(xiàn)實世界的數(shù)據(jù)中廣泛存在。作為一種具有廣泛建模能力的數(shù)據(jù)模型,圖數(shù)據(jù)中也存在著不確定性。除了前述的文檔網(wǎng)絡圖,生物信息學、社會網(wǎng)絡等領域中亦大量存在著不確定圖。因此,針對不確定圖的研究成為國內(nèi)外的熱點。本文使用不確定圖建模文本軍事情報,并在此基礎上挖掘頻繁模式;目前在單幅不確定大圖上頻繁子圖挖掘的問題尚未見已公開的研究。
  首先,對單幅不確定大圖上子圖模

3、式的支持度進行了定義,據(jù)此提出了基于枚舉-評估的支持度評估方法。枚舉策略采用與確定圖挖掘時相同的方式,本文主要關注支持度評估過程。其次,通過證明在單幅不確定圖上期望支持度的計算是#-P難的,設計了一種具有精度保證的近似算法以滿足實際應用需求。然后,為進一步增強算法效率,提出了兩種優(yōu)化策略,一是考慮對樣本圖計算結果的重用,二是引入檢查點機制和基于結構的上界,提前對不頻繁的分枝進行剪枝。上述兩種優(yōu)化策略的應用提升了挖掘性能。最后,在實際數(shù)據(jù)

4、集上進行的實驗驗證了該挖掘方法及優(yōu)化策略的實際可用性和有效性。
  為了進一步評價所提技術的實際效用和意義,在真實文本情報數(shù)據(jù)上開展了應用研究。對于采集的公開文本情報數(shù)據(jù),以文檔為節(jié)點、文檔間相似度為邊建立文檔關聯(lián)。使用LDA模型為節(jié)點附加標簽,使用基于知識庫的算法衡量節(jié)點間相似度;當相似度大于給定閾值時,則連接一條邊,并以相似度值作為邊上的概率。最終建立文檔網(wǎng)絡圖,并用所提技術對其進行挖掘。實驗結果表明,發(fā)現(xiàn)的模式具有可解釋性,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論