《一种基于投影FP—growth的CO-location模式挖掘算法.》.pdfVIP

第 14卷 第23期 2014年8月 科 学 技 术 与 工 程 Vo1．14 No．23 Aug．2014 1671— 1815(2014)23—0234—07 ScienceTechnologyandEngineering ⑥ 2014 Sci．Tech．Engrg． 计算机技术 一 种基于投影 FP—growth的CO-location 模式挖掘算法 余翠兰 (云南德宏师范高等专科学校计算机科学系，潞西678400) 摘 要 空间co—location模式代表 了一组空间属性的子集，它们的实例在地理空间中频繁地关联。针对如何利用关联规则挖 掘算法来快速地挖掘CO．1ocation模式的问题，通过采用FP．CM算法与投影频繁模式树(PFP_tree)及其他技术相结合的方法， 提出了一种基于投影FP．growth的CO．1ocation挖掘算法，简称PFP_CM算法。这个新算法主要对产生最大频繁模式的方法、模 式过滤的方法、访问数据库的次数、避免大量的表实例连接操作的方法进行改进。最后通过大量的实验，验证了该算法的高 效性和正确性，同时，将其用于对三江并流地区珍稀植物的共生物种进行挖掘。 关键词 空间数据挖掘 同位模式 关联规则 最大频繁模式 投影频繁模式树 中图法分类号 TP311； 文献标志码 A 空间CO—location模式…代表了一组空间特征的 题，2005年，YanHuang等人在文献 [14]中提出了 子集，它们的实例在地理空间中频繁地关联。例如， FP．CM算法。本文采用FP．CM算法与投影频繁模 生物学家发现，西尼罗河病毒通常发生在蚊子泛滥、 式树 (PFP_tree)及其他技术相结合的方法，提出了 饲养家禽的地方，“半湿润常绿阔叶林”生长的地方 一 种基于投影FP—growth的CO—location挖掘算法，简 80％有 “兰类”植物生长，学校附近一般有超市。 称为PFP_CM算法，给出了如何利用关联规则挖掘 空间CO—location模式挖掘是空间数据挖掘研究 算法来快速地挖掘 CO．1ocation模式的方法。最后， 领域的一个重要研究课题，近年来引起许多国内外 使用 matlab作实验，对新算法与著名的join—based 学者的关注。自从 S．ShekharY．Huang等人在 算法进行了实验比较。 文献[1]中提出join_based算法以来，出现了许多改 进算法，比如较早的partial-join算法 、join-less算 1 CO-location基本概念 法 ，4J、CPI．tree算法 等，随后又提出基于聚类的 给定一个空间特征集F= { ，… }，这些 CO1ocation模式挖掘算法 ’、基于U—AHC的不确 特征的空间实例集合 ，定义在 s之上的空问关系 定空间CO．1ocation挖掘算法 J、正负空间CO—location 。 如果一对实例满足空间关系R，那么用实线把这 挖掘算法 、模糊对象的空间Co—location挖掘算 一 对实例连接起来并称这两个空间实例 邻近…， 法 [10,11]、最大 CO．1ocation模式挖掘 、带稀有特征 如图1所示。图1共包含 3个空问特征：A、B、C，每 的不确定空间CO1ocation模式挖掘 ¨等。 一 个特征有若干实例，如空间特征B的数据集包括 空间CO．1ocation模式在许多方面类似于关联规 3个实例，分别是B．1、B．2、B．3，B．1代表了空间