典型文献
多元时序上状态转移模式的三支漂移检测
文献摘要：
多元时序数据上的无监督模式漂移检测是机器学习领域的一个研究热点.然而,对模式及其漂移现象的定义十分灵活,使得该任务的难度较高.受"三分而治"思想启发,文中提出了一种基于FUP-STAP增量挖掘的、针对带通配符区间的状态转移模式的三支漂移检测算法(Three-Way Drift Detection Method for State Transition pAttern with Periodic Wildcard Gaps,3 WDD-STAP),它由状态转移模式(STAP)的增量算法改进而来.在不使用额外参数的情况下,3 WDD-STAP可同时获得频繁的以及发生漂移的STAP.根据增量前后的支持度变化情况,模式漂移被定义为3类:I类漂移表示本来频繁的STAP在增量后变得不频繁,需扫描增量数据集;II类漂移表示本来不频繁的STAP在增量后变得频繁,需扫描原始数据集;Ⅲ类漂移表示STAP在增量后维持了频繁或者不频繁,视为正常,不扫描数据集.在空气质量与石油工程设备监控两个真实数据上的实验结果表明:1)α和β的值越大,两类漂移模式的数量越少,反之亦然;2)I类漂移的STAP在不同数据集上服从不同分布;3)所得STAP模式及其漂移现象均有很强的可读性.
文献关键词：
多元时序;漂移监测;三分而治;序列模式发现;增量学习
中图分类号：
作者姓名：
沈少朋;马洪江;张智恒;周相兵;朱春满;温佐承
作者机构：
成都信息工程大学软件工程学院 成都 610225
文献出处：
引用格式：
[1]沈少朋;马洪江;张智恒;周相兵;朱春满;温佐承-.多元时序上状态转移模式的三支漂移检测)[J].计算机科学,2022(04):144-151
A类：
FUP,增量挖掘,pAttern,Wildcard,石油工程设备,序列模式发现
B类：
状态转移,转移模式,三支,漂移检测,多元时序数据,无监督,监督模式,学习领域,得该,三分而治,STAP,带通,通配符,检测算法,Three,Way,Drift,Detection,Method,State,Transition,Periodic,Gaps,WDD,增量算法,算法改进,不使用,支持度,增量数据,II,原始数据,空气质量,设备监控,真实数据,越少,反之亦然,服从,不同分布,可读性,漂移监测,增量学习
AB值：
0.348595
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
