计算机应用研究

作者：罗浩瑜,芦俊丽,陈雪瑶,

单位：云南民族大学数学与计算机科学学院,昆明650500；

关键词：空间并置模式挖掘,频繁区域,候选区域,拓展区域,区域粗参与度,

基金：国家自然科学基金资助项目(12361104)；兴滇英才青年拔尖人才资助项目(XDYC-QNRC-2022-0518)；；

聚焦于空间并置模式挖掘，旨在探索空间特征间的共存关系。传统方法虽能识别频繁共存的模式，但无法确定这些模式在空间中的具体分布区域。为了解决这一问题，提出了一种新颖的带频繁区域的空间并置模式挖掘算法。算法分为两个阶段，第一阶段采用凝聚层次聚类方法，根据数据特性进行空间分区，进而在各聚类簇内确认实例间的邻近关系；第二阶段引入了并置模式存在区域与区域参与度概念，基于此逐阶识别并置模式的频繁区域。为加速频繁区域识别和模式挖掘过程，算法通过子模式的扩展区域快速构建高阶模式的候选区域，利用区域粗参与度提前筛除不可能频繁的候选区域。最后，通过在真实和模拟数据集上进行广泛的实验，验证了该算法在生成带频繁区域的空间并置模式数量、频繁区域的准确性以及频繁区域的精确度方面的表现。在真实数据集上，该算法的精确度为0.83~0.95。此外，在验证算法可扩展性的实验中，当数据集特征数量适中时，PROC-Col的性能较现有的先进算法multi-level提升了约2倍。

来源：2025年第7期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第7期